Leaderboard de AI Benchy

Name: Resultados de benchmark de modelos de AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-09-02 Modelos evaluados: 305

Modelos recomendados

GPT-5.6 Sol high Inteligente Tasa de aciertos por intento 89.4% Pruebas correctas 18 / 22 Puntuación 9.4/10 GPT-5.6 Luna medium Rápido Tiempo de respuesta (promedio) 7.43s Total de tokens de salida 44,525 Puntuación 7.4/10 DeepSeek V4 Flash 0731 high Económico Precio de entrada $0.065 / 1M Precio de salida $0.180 / 1M Puntuación 8.0/10

305/305

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#50#50	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 3 Tokens de entrada 145,953 Tokens de salida 52,330 Tokens de razonamiento 10,874 Tiempo de respuesta (promedio) 12.54s Tiempo de respuesta (total) 275.90s Tiempo de respuesta (máximo) 66.71s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 9.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#42#42	Grok 4.5low	8.4	X AI	$0.945	16.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 2 Tokens de entrada 125,605 Tokens de salida 7,505 Tokens de razonamiento 107,984 Tiempo de respuesta (promedio) 16.17s Tiempo de respuesta (total) 355.67s Tiempo de respuesta (máximo) 205.28s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#90#90	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 6 Tokens de entrada 111,644 Tokens de salida 16,113 Tokens de razonamiento 598,796 Tiempo de respuesta (promedio) 113.28s Tiempo de respuesta (total) 2492.26s Tiempo de respuesta (máximo) 1026.43s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 6.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#23#23	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 4 Tokens de entrada 81,187 Tokens de salida 6,258 Tokens de razonamiento 54,116 Tiempo de respuesta (promedio) 16.91s Tiempo de respuesta (total) 372.03s Tiempo de respuesta (máximo) 100.93s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#159#159	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 7 Tokens de entrada 106,176 Tokens de salida 33,013 Tokens de razonamiento 239,560 Tiempo de respuesta (promedio) 106.06s Tiempo de respuesta (total) 2333.36s Tiempo de respuesta (máximo) 1085.11s Respuesta incorrecta: 5 Sin respuesta: 3 Llamada de herramienta no válida: 2 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 7.7 Combinado : 6.7 Análisis y extracción de datos : 3.5 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#54#54	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 3 Tokens de entrada 86,755 Tokens de salida 6,057 Tokens de razonamiento 230,570 Tiempo de respuesta (promedio) 62.57s Tiempo de respuesta (total) 1376.46s Tiempo de respuesta (máximo) 327.51s Respuesta incorrecta: 4 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 8.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#133#133	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 3 Tokens de entrada 13,852 Tokens de salida 119,100 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.18s Tiempo de respuesta (total) 183.29s Tiempo de respuesta (máximo) 64.36s Error de API: 4 Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 2.8
#28#28	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 1 Tokens de entrada 134,770 Tokens de salida 13,604 Tokens de razonamiento 4,388 Tiempo de respuesta (promedio) 6.99s Tiempo de respuesta (total) 153.80s Tiempo de respuesta (máximo) 30.67s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#93#93	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 1 Tokens de entrada 106,946 Tokens de salida 7,993 Tokens de razonamiento 503,413 Tiempo de respuesta (promedio) 54.50s Tiempo de respuesta (total) 1199.07s Tiempo de respuesta (máximo) 252.69s Respuesta incorrecta: 6 Formato extra: 3 Trucos anti-IA : 8.3 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#36#36	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 2 Tokens de entrada 79,249 Tokens de salida 5,097 Tokens de razonamiento 165,276 Tiempo de respuesta (promedio) 66.52s Tiempo de respuesta (total) 1463.50s Tiempo de respuesta (máximo) 238.07s Respuesta incorrecta: 4 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#177#177	Qwen3.5-35B-A3Bmedium	6.1	Qwen	$1.140 ↑	110.84s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 6 Tokens de entrada 130,450 Tokens de salida 54,857 Tokens de razonamiento 838,606 Tiempo de respuesta (promedio) 110.84s Tiempo de respuesta (total) 2438.58s Tiempo de respuesta (máximo) 950.25s Tiempo agotado: 4 Sin respuesta: 3 Respuesta incorrecta: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 3.8 Análisis y extracción de datos : 7.3 Específico del dominio : 3.5 Inteligencia general : 2.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#136#136	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 7.3 Tasa de aciertos por intento 63.6% Pruebas inestables 7 Tokens de entrada 76,036 Tokens de salida 7,267 Tokens de razonamiento 364,176 Tiempo de respuesta (promedio) 101.05s Tiempo de respuesta (total) 2223.19s Tiempo de respuesta (máximo) 626.58s Error de API: 6 Respuesta incorrecta: 4 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 6.9 Programación : 8.9 Combinado : 4.7 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 4.7 Cultura general : 3.0
#17#17	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 3 Tokens de entrada 106,029 Tokens de salida 5,748 Tokens de razonamiento 220,354 Tiempo de respuesta (promedio) 44.32s Tiempo de respuesta (total) 975.11s Tiempo de respuesta (máximo) 556.06s Respuesta incorrecta: 4 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#109#109	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 149,203 Tokens de salida 16,797 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.92s Tiempo de respuesta (total) 108.24s Tiempo de respuesta (máximo) 35.03s Respuesta incorrecta: 4 Formato extra: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#43#43	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 4 Tokens de entrada 105,013 Tokens de salida 9,914 Tokens de razonamiento 61,338 Tiempo de respuesta (promedio) 28.51s Tiempo de respuesta (total) 456.13s Tiempo de respuesta (máximo) 116.86s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#58#58	GLM 5.2high	8.0	Z.ai	$1.188 ↑	69.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 3 Tokens de entrada 83,822 Tokens de salida 72,040 Tokens de razonamiento 292,615 Tiempo de respuesta (promedio) 69.86s Tiempo de respuesta (total) 1536.98s Tiempo de respuesta (máximo) 599.43s Tiempo agotado: 3 Sin respuesta: 2 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#116#116	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 124,780 Tokens de salida 47,694 Tokens de razonamiento 439,825 Tiempo de respuesta (promedio) 65.67s Tiempo de respuesta (total) 1444.68s Tiempo de respuesta (máximo) 519.30s Respuesta incorrecta: 5 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#135#135	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 4 Tokens de entrada 98,700 Tokens de salida 1,050,900 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 70.10s Tiempo de respuesta (total) 1542.14s Tiempo de respuesta (máximo) 364.99s Respuesta incorrecta: 7 Sin respuesta: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 4.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#110#110	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 68,913 Tokens de salida 64,654 Tokens de razonamiento 282,865 Tiempo de respuesta (promedio) 115.89s Tiempo de respuesta (total) 2433.66s Tiempo de respuesta (máximo) 876.20s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 7.0 Programación : 5.7 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#10#10	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 0 Tokens de entrada 80,067 Tokens de salida 5,378 Tokens de razonamiento 23,162 Tiempo de respuesta (promedio) 10.15s Tiempo de respuesta (total) 223.24s Tiempo de respuesta (máximo) 56.19s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#132#132	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.6 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 81,970 Tokens de salida 7,186 Tokens de razonamiento 403,389 Tiempo de respuesta (promedio) 124.18s Tiempo de respuesta (total) 2732.03s Tiempo de respuesta (máximo) 675.30s Error de API: 5 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 6.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#33#33	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 4 Tokens de entrada 123,680 Tokens de salida 7,222 Tokens de razonamiento 271,442 Tiempo de respuesta (promedio) 19.67s Tiempo de respuesta (total) 432.72s Tiempo de respuesta (máximo) 142.49s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 10.0 Combinado : 8.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#12#12	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 90.9% Pruebas inestables 0 Tokens de entrada 92,296 Tokens de salida 5,232 Tokens de razonamiento 92,006 Tiempo de respuesta (promedio) 20.62s Tiempo de respuesta (total) 329.94s Tiempo de respuesta (máximo) 88.68s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 7.9 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#34#34	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 2 Tokens de entrada 142,147 Tokens de salida 7,905 Tokens de razonamiento 284,247 Tiempo de respuesta (promedio) 26.25s Tiempo de respuesta (total) 577.47s Tiempo de respuesta (máximo) 165.38s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#31#31	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 1 Tokens de entrada 145,249 Tokens de salida 24,948 Tokens de razonamiento 5,042 Tiempo de respuesta (promedio) 7.62s Tiempo de respuesta (total) 159.94s Tiempo de respuesta (máximo) 65.40s Respuesta incorrecta: 3 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0

Tendencias globales del benchmark

Descubre cómo los modelos actuales equilibran puntuación, costo, velocidad, longitud de salida y rendimiento por categoría.

Gráficos →

Frontera de Pareto: inteligencia vs costo

Evolución de la mejor puntuación de las empresas líderes

Frontera de Pareto: inteligencia vs velocidad de respuesta

Frontera de Pareto: puntuación vs tokens de salida

Dificultad de las categorías entre modelos

Comparación rápida

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow