PODBRANO ЗА ХОРАТА, КОИТО СЪЗДАВАТAI · СОФТУЕР · СЪЗДАТЕЛИ
AI БЕНЧМАРК

AI Бенчмарк на български

Intelligence Index: най-умните AI модели

Общ резултат от независимите тестове на Artificial Analysis. По-висок стълб означава по-способен модел. Показано е най-силното ниво на всеки модел, топ 28.

Модели по доставчик:ClaudeGPTGeminiGrokDeepSeekQwenMistralLlama
65
Claude Fable 5.2 Max
Intelligence Index: 64,6
Anthropic
$8,00 / $40,00 за 1 млн. токена
62
GPT-6.2 Astra Max
Intelligence Index: 62,1
OpenAI
$8,00 / $40,00 за 1 млн. токена
60
Gemini 4 Carbon High
Intelligence Index: 60,0
Google
$4,00 / $20,00 за 1 млн. токена
59
Claude Opus 5.5 Max
Intelligence Index: 59,1
Anthropic
$4,00 / $20,00 за 1 млн. токена
57
GPT-6.2 Sol Max
Intelligence Index: 57,3
OpenAI
$2,00 / $10,00 за 1 млн. токена
57
GPT-6 Astra Max
Intelligence Index: 56,9
OpenAI
$10,00 / $50,00 за 1 млн. токена
55
GPT-6.1 Sol Max
Intelligence Index: 54,6
OpenAI
$2,00 / $10,00 за 1 млн. токена
55
Claude Sonnet 5.5 Max
Intelligence Index: 54,5
Anthropic
$2,00 / $10,00 за 1 млн. токена
54
Gemini 4 Hydrogen Xhigh
Intelligence Index: 53,9
Google
$1,50 / $7,50 за 1 млн. токена
51
GPT-6.1 Terra Max
Intelligence Index: 51,3
OpenAI
$1,00 / $5,00 за 1 млн. токена
50
Gemini 4 Argon High
Intelligence Index: 50,4
Google
$2,00 / $10,00 за 1 млн. токена
50
Muse Wonder Full Max
Intelligence Index: 50,1
Meta
50
Claude Fable 5.1 Xhigh
Intelligence Index: 50,0
Anthropic
$10,00 / $50,00 за 1 млн. токена
47
Kimi K3.1 Pro
Intelligence Index: 46,5
Kimi
$2,00 / $10,00 за 1 млн. токена
44
GPT-6 Sol Max
Intelligence Index: 44,2
OpenAI
$2,00 / $10,00 за 1 млн. токена
44
Claude Opus 5 Max
Intelligence Index: 44,2
Anthropic
$5,00 / $25,00 за 1 млн. токена
44
Muse Wonder Max
Intelligence Index: 43,6
Meta
$4,00 / $20,00 за 1 млн. токена
43
Qwen4 Max
Intelligence Index: 42,9
Alibaba
$1,50 / $4,50 за 1 млн. токена
37
Muse Spark 1.3 Max
Intelligence Index: 36,6
Meta
$1,25 / $4,25 за 1 млн. токена
37
Claude Haiku 5.5 Max
Intelligence Index: 36,5
Anthropic
$0,10 / $0,50 за 1 млн. токена
36
Muse Ember Max
Intelligence Index: 36,0
Meta
$0,10 / $0,50 за 1 млн. токена
36
Grok 4.7 Xhigh
Intelligence Index: 35,5
SpaceXAI
$2,00 / $6,00 за 1 млн. токена
35
Tencent Hy4
Intelligence Index: 34,6
Tencent
$0,83 / $2,50 за 1 млн. токена
34
Qwen3.8 Max 0902
Intelligence Index: 33,7
Alibaba
$2,00 / $6,00 за 1 млн. токена
33
DeepSeek V4.1 Flash 1017 Max
Intelligence Index: 32,6
DeepSeek
$0,30 / $1,20 за 1 млн. токена
32
GPT-5.6 Terra Max
Intelligence Index: 32,3
OpenAI
$2,00 / $12,00 за 1 млн. токена
32
GLM-5.3 Max
Intelligence Index: 31,7
Z AI
$1,40 / $4,40 за 1 млн. токена
31
Grok 4.6 Xhigh
Intelligence Index: 31,0
SpaceXAI
$2,00 / $6,00 за 1 млн. токена
Google
Gemini 4 Carbon (high)
OpenAI
GPT-6 Astra (max)
OpenAI
GPT-6.1 Sol (max)
OpenAI
GPT-6.1 Terra (max)
Meta
Muse Wonder Full (max)
Anthropic
Claude Fable 5.1 (xhigh)
Kimi
Kimi K3.1 Pro
OpenAI
GPT-6 Sol (max)
Anthropic
Claude Opus 5 (max)
Meta
Muse Wonder (max)
Alibaba
Qwen4 Max
Meta
Muse Spark 1.3 (max)
Meta
Muse Ember (max)
T
Tencent Hy4
Alibaba
Qwen3.8 Max (0902)
DeepSeek
DeepSeek V4.1 Flash 1017 (max)
OpenAI
GPT-5.6 Terra (max)
Z AI
GLM-5.3 (max)
SpaceXAI
Grok 4.6 (xhigh)

Източник: Artificial Analysis. Данните се обновяват всеки ден.

Сравнение на водещите AI езикови модели на български: способности, цена, скорост и контекст. Всеки модел има собствена страница, а нивата на усилие (effort) са показани подробно в нея.

Обновява се седмично

Всички модели

МоделДоставчикIntelligence IndexЦена вход / 1 млн. токенаЦена изход / 1 млн. токенаСкорост (токена/сек.)TTFT (сек.)Контекст
Llama 4 MaverickMeta · open weightsн/дн/дн/дн/дн/дн/д
Qwen4-MaxAlibaba (Qwen)н/д$1.5$4.5н/дн/д1 млн.
Mistral Large 4Mistral AI · open weightsн/д$0.7$2.1н/дн/д1 млн.
DeepSeek-V4.1-FlashDeepSeek · open weightsн/д$0.3$1.2н/дн/д1 млн.
Grok 4.7xAIн/д$2$6н/дн/д500 хил.
Gemini 4 HydrogenGoogleн/д$1.5$7.5н/дн/д1 млн.
Gemini 4 ArgonGoogleн/д$2$10н/дн/д1 млн.
GPT-6.2 SolOpenAIн/д$2$10н/дн/д1,1 млн.
GPT-6.2 AstraOpenAIн/д$8$40н/дн/д1,1 млн.
Claude Haiku 5.5Anthropicн/д$0.1$0.5н/дн/д1 млн.
Claude Sonnet 5.5Anthropicн/д$2$10н/дн/д1 млн.
Claude Opus 5.5Anthropicн/д$4$20н/дн/д1 млн.
Claude Fable 5.2Anthropicн/д$8$40н/дн/д1 млн.

Цените са в долари за 1 млн. токена по официалните ценови страници на доставчиците. Резултатите по тестове са публикуваните от доставчиците или от независимите тестове, посочени на страницата на всеки модел. Не сравнявай числа от различни източници, без да проверяваш как са измерени.

Цена на изхода: от най-евтиния към най-скъпия (USD за 1 млн. токена)

Табло: всички модели в числа

Класация: най-добрите модели

Избери показател. Показва се най-силното ниво на усилие на всеки модел. С отметката „само способни модели“ се скриват малките модели с индекс под 30, за да не доминират евтините, но слаби.

Intelligence Index срещу цена на задача (Cost per Task)

Всяка точка е ниво на усилие на модел. Пунктирът е „фронтът“: моделите, при които никой друг не е едновременно по-умен и по-евтин.

Intelligence Index срещу скорост (Output Speed)

Горе вдясно е най-добре: умен и бърз. Пунктирът свързва най-добрите компромиси.

Intelligence Index срещу цена за 1 млн токена

Смесена цена при 3 части вход към 1 част изход. Логаритмична скала.

Прогрес във времето: най-висок Intelligence Index

Как рекордът на най-умния модел расте с датите на излизане.

Карта на способностите (Capability Indexes)

Топ 20 модела по всички индекси. По-наситен син цвят = по-висока оценка. н/д = няма данни.

Доставчици (Creators)

Колко модела има всеки доставчик и къде е най-силният му.

Всички модели и нива на усилие

Търси по име, филтрирай по доставчик и кликни върху заглавие на колона, за да сортираш.

Данни за Intelligence Index, индекси по способности, цена на задача, скорост и време: Artificial Analysis (обновено 18.11.2026). Цените за 1 млн токена са по официални данни на доставчиците.

Речник

Всеки термин на едно място, на разбираем български. Английските имена са запазени, за да ги разпознаваш в сайтове и документация.

Agentic (агентни задачи)

Задачи, в които моделът планира, ползва инструменти и върши няколко стъпки сам.

Как се чете: Изискват надеждност във времето, не само един добър отговор.

Agentic Index

Оценка колко добре моделът върши самостоятелни многостъпкови задачи с инструменти.

Как се чете: По-високо = по-надежден като „агент“.

Източник: Artificial Analysis

AIME

Задачи от математическо състезание за гимназисти, изискващи многостъпково мислене.

Как се чете: По-високо = по-силна математика.

Източник: Публичен бенчмарк

Benchmark (бенчмарк)

Стандартизиран тест, на който различни модели отговарят на едни и същи задачи, за да могат да се сравняват.

Benchmark saturation (насищане)

Когато почти всички водещи модели вече получават близо максимален резултат на даден тест.

Как се чете: Тестът престава да различава добрите от още по-добрите.

Blended price (смесена цена)

Единна цена за 1 милион токена при предположено съотношение вход към изход (тук 3:1).

Как се чете: Удобно за бързо сравнение, но реалната ти сметка зависи от твоето съотношение.

Cache hit (кеширан вход)

Когато един и същ дълъг текст се подава пак и пак, доставчикът го „помни“ и взема много по-малко за повторното му четене.

Как се чете: Ниската цена се плаща само за вече кеширана част. Печели при чатботове и агенти с дълъг повтарящ се контекст.

Източник: Официална ценова страница на доставчика

Cache write

Цена за първото записване на текст в кеша, за да може после да се чете евтино.

Как се чете: Плаща се веднъж; изплаща се при многократно ползване на един и същ контекст.

Източник: Официални цени

Coding Index

Оценка за способността на модела да пише и поправя код.

Как се чете: По-високо = по-добър за програмиране.

Източник: Artificial Analysis

Context window (контекстен прозорец)

Максималното количество текст, което моделът може да държи наведнъж: въпрос, документи и отговор заедно.

Cost per Task (цена на задача)

Колко долара излиза средно една решена задача, след като се сметнат входните, изходните и „мисловните“ токени.

Как се чете: По-ниско = по-евтино. Скъп модел с малко токени понякога е по-евтин от евтин, който „мисли“ дълго.

Източник: Изчислява се от цени и реален разход на токени

Cost to Run the Index

Колко долара би струвало да се пусне целият тест за Intelligence Index с този модел и ниво на усилие.

Как се чете: Показва реалния „апетит“ на модела: евтин на токен, но много „мислещ“ може да излезе скъп.

Източник: Artificial Analysis

Distillation (дестилация)

По-малък модел се учи да имитира по-голям.

Как се чете: Дава евтини и бързи модели с близко качество.

Economics Index

Оценка на икономически задачи и анализ.

Как се чете: По-високо = по-добре в тази област.

Източник: Artificial Analysis

Effort (ниво на усилие)

Настройка, която казва колко време и токени моделът да отдели за обмисляне преди отговор: Low, Medium, High, Xhigh, Max. По-високото ниво обикновено дава по-добри резултати, но е по-бавно и по-скъпо.

End-to-end (до края на отговора)

Колко време минава от изпращането на въпроса до края на целия отговор, включително „мисленето“.

Как се чете: По-ниско = по-бързо готов резултат. Мислещите нива са по-бавни.

Източник: Artificial Analysis

Engineering Index

Оценка на инженерни задачи.

Как се чете: По-високо = по-добре в тази област.

Източник: Artificial Analysis

Finance & Accounting Index

Оценка на задачи от финанси и счетоводство.

Как се чете: По-високо = по-добре в тази област.

Източник: Artificial Analysis

Fine-tuning (дообучение)

Допълнително обучение на готов модел върху твои примери.

Как се чете: Подходящо за стабилен стил или формат, не за нови факти.

GDPval

Тест на OpenAI с реални задачи от професии (документи, анализи, презентации), оценявани спрямо работа на експерти.

Как се чете: По-високо = по-често върши работата на ниво професионалист.

Източник: OpenAI

GPQA Diamond

Труден тест с въпроси по биология, физика и химия, писани от доктори, които не се търсят лесно в интернет.

Как се чете: По-високо = по-силно научно мислене. Случайно налучкване дава 25%.

Източник: Публичен бенчмарк

Hallucination (халюцинация)

Уверен отговор, който звучи правдоподобно, но е грешен или измислен.

Как се чете: Проверявай важните факти и цифри.

Healthcare & Medical Index

Оценка на задачи от здравеопазване и медицина.

Как се чете: По-високо = по-добре. Не замества лекар.

Източник: Artificial Analysis

Humanity's Last Exam

Много труден изпит с въпроси от експерти, измислен да не е решен от модели.

Как се чете: По-високо = по-добре, но нисък процент е нормален.

Източник: Публичен бенчмарк

Input price (цена за вход)

Колко плащаш за 1 милион токена, които ПОДАВАШ на модела: въпроси, инструкции, документи.

Как се чете: По-ниско = по-евтино. Обикновено е няколко пъти по-евтин от изхода.

Източник: Официална ценова страница на доставчика

Intelligence Index

Обобщена оценка за способностите на модела по набор от тестове (разсъждение, код, знания). По-висока стойност значи по-способен модел. Скалата е относителна и важи само за този набор тестове.

Latency (латентност)

Общото забавяне до получаване на отговор.

Как се чете: Зависи от модела, натоварването и дължината на отговора.

Legal Index

Оценка на задачи от правната област.

Как се чете: По-високо = по-добре. Не замества юрист.

Източник: Artificial Analysis

Mixture of Experts (MoE)

Архитектура, при която за всеки токен работи само част от „експертите“ на модела.

Как се чете: Позволява голям модел с по-ниска цена на заявка.

MMLU

Тест с въпроси с избор от отговори по около 57 области: от история до медицина.

Как се чете: По-високо = по-широки знания. Най-добрите модели вече са близо до тавана.

Източник: Публичен бенчмарк

Multimodal (мултимодален)

Модел, който приема и/или произвежда не само текст, а и изображения, звук или видео.

Как се чете: Провери кои входове реално се поддържат.

Open weights

Теглата на модела са публични и може да се стартира на собствена инфраструктура, според лиценза на доставчика.

Open weights (отворени тегла)

Моделът може да се свали и пусне на собствен сървър. Затворените модели се ползват само през доставчика.

Как се чете: Отворените дават контрол и поверителност, но искат хардуер и поддръжка.

Източник: Лиценз на доставчика

Output price (цена за изход)

Колко плащаш за 1 милион токена, които моделът ТИ ВРЪЩА като отговор. При мислещите модели тук влиза и „мисленето“.

Как се чете: По-ниско = по-евтино. Дългите отговори и „мисленето“ го вдигат бързо.

Източник: Официална ценова страница на доставчика

Output speed (скорост на изход)

Колко токена в секунда генерира моделът, след като е започнал да отговаря.

Parameters (параметри)

Броят наученi стойности вътре в модела, обикновено в милиарди.

Как се чете: По-голям брой не гарантира по-добър резултат.

Prompt caching (кеширане)

Повторно използване на вече изпратена част от заявката, така че да се таксува на по-ниска цена.

Как се чете: Спестява много при дълги, повтарящи се инструкции.

Quantization (квантизация)

Смаляване на модела чрез по-малко точни числа, за да заема по-малко памет.

Как се чете: По-евтино и бързо, с малка загуба на качество.

Rate limit (лимит на заявки)

Колко заявки или токена в минута доставчикът позволява на твоя ключ.

Как се чете: При достигане заявките се отказват или забавят.

Reasoning (мислещ модел)

Модел, който преди отговора изписва вътрешни стъпки на разсъждение. Решава по-трудни задачи, но харчи повече токени и време.

Как се чете: Non-reasoning моделите отговарят веднага: по-бързо и по-евтино за прости задачи.

Източник: Описание на доставчика

Reasoning (разсъждаващ режим)

Режим, при който моделът „мисли“ преди да отговори и произвежда скрити стъпки.

Как се чете: По-точно при трудни задачи, но по-бавно и с повече платени токени.

Reasoning effort (ниво на усилие)

Настройка (напр. low, medium, high), която определя колко дълго моделът да разсъждава.

Как се чете: По-високото ниво дава по-висок резултат, но струва повече време и пари.

Reasoning модел

Модел, който преди отговора прави вътрешно разсъждение. Така решава по-трудни задачи, но използва повече токени.

Strategy & Ops Index

Оценка на задачи от стратегия, управление и операции.

Как се чете: По-високо = по-добре в тази област.

Източник: Artificial Analysis

SWE-bench

Проверява дали моделът може да поправи реални грешки в истински програмни проекти от GitHub.

Как се чете: Процент решени проблеми. По-високо = по-добър за програмиране.

Източник: Публичен бенчмарк

System prompt (системна инструкция)

Скрита инструкция, която задава ролята и правилата на модела преди разговора.

Как се чете: Добре написаната намалява грешките.

Temperature (температура)

Настройка за случайността на отговорите: ниска е по-предвидима, висока е по-разнообразна.

Как се чете: За факти и код е по-добре ниска.

Terminal-Bench

Проверява дали моделът може да върши работа в команден ред: инсталиране, настройка, скриптове.

Как се чете: По-високо = по-добър като „агент“ в терминала.

Източник: Публичен бенчмарк

Throughput (пропускателна способност)

Колко заявки или токена системата обработва за единица време.

Как се чете: Важно, ако пускаш много заявки наведнъж.

Time per Task (време на задача)

Колко време общо му трябва на модела да реши една типична задача от начало до край, включително вътрешното „мислене“.

Как се чете: По-ниско = по-бързо. Мислещите модели често са по-бавни, но по-точни.

Източник: Собствен или независим тест, още не е добавен

Time to First Token (TTFT)

Времето от изпращането на заявката до първия появил се знак от отговора.

Как се чете: Важно за чат и асистенти, където чакането се усеща.

Token

Най-малката част текст, с която работи моделът: около 3-4 знака на английски, а на български обикновено повече токени за същия текст.

Как се чете: Цените и лимитите се броят в токени, не в думи.

Token (токен)

Единицата, в която моделите четат и пишат текст и в която се таксува. Грубо, един токен е около 3 до 4 знака на английски. На български токените са повече за същия текст.

Tool use / function calling

Способност на модела да извиква външни инструменти: търсене, калкулатор, твое API.

Как се чете: Основа за агенти и автоматизации.

TTFT (Time to First Token)

Времето от изпращането на заявката до появата на първия токен от отговора. Показва колко бързо моделът „започва да отговаря".

TTFT (време до първия токен)

Колко чакаш от изпращането на въпроса до появата на първата дума от отговора.

Как се чете: По-ниско = по-отзивчив чат. За дълги задачи е по-важно общото време.

Източник: Измерване на доставчика/API

Смесена цена

Една удобна цифра за бързо сравнение: средна цена при типично съотношение 3 части вход към 1 част изход.

Как се чете: По-ниско = по-евтино. Реалната сметка зависи от твоето съотношение вход/изход.

Източник: Изчислява се от официалните цени
ЗА СЪЗДАТЕЛИТЕ

Дай място на продукта си.

Изпрати продукта за редакторски преглед. Ще бъде публикуван след одобрение.

Изпращай само публична информация за продукта. Как обработваме заявките.