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: 311

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

311/311

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#146#146	GLM 5.3low	6.8	Z.ai	$0.257	13.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 104,989 Tokens de salida 8,532 Tokens de razonamiento 16,276 Tiempo de respuesta (promedio) 13.65s Tiempo de respuesta (total) 300.22s Tiempo de respuesta (máximo) 83.60s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 6.2 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#72#72	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 6 Tokens de entrada 103,916 Tokens de salida 8,892 Tokens de razonamiento 87,343 Tiempo de respuesta (promedio) 5.12s Tiempo de respuesta (total) 112.73s Tiempo de respuesta (máximo) 26.41s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 7.9 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 2.8
#70#70	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
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 115,242 Tokens de salida 6,163 Tokens de razonamiento 181,174 Tiempo de respuesta (promedio) 53.51s Tiempo de respuesta (total) 1177.25s Tiempo de respuesta (máximo) 315.30s Respuesta incorrecta: 5 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#197#197	GPT-5.6 Terranone	6.0	OpenAI	$0.280 ↓	1.66s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 3 Tokens de entrada 102,268 Tokens de salida 6,221 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.66s Tiempo de respuesta (total) 36.54s Tiempo de respuesta (máximo) 10.07s Respuesta incorrecta: 11 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 5.3 Llamada de herramientas : 9.6 Cultura general : 3.0
#218#218	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.283 ↑	12.93s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 2 Tokens de entrada 241,575 Tokens de salida 88,459 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.93s Tiempo de respuesta (total) 284.39s Tiempo de respuesta (máximo) 212.63s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 3.7 Combinado : 5.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#49#49	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.6 Tasa de aciertos por intento 77.3% Pruebas inestables 2 Tokens de entrada 100,179 Tokens de salida 904 Tokens de razonamiento 655,731 Tiempo de respuesta (promedio) 167.89s Tiempo de respuesta (total) 3693.54s Tiempo de respuesta (máximo) 640.85s No siguió las instrucciones: 2 Sin respuesta: 2 Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 8.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#153#153	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
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 100,762 Tokens de salida 16,454 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.65s Tiempo de respuesta (total) 58.21s Tiempo de respuesta (máximo) 25.26s Respuesta incorrecta: 6 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 5.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#92#92	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 9.7 Tasa de aciertos por intento 62.1% Pruebas inestables 5 Tokens de entrada 121,996 Tokens de salida 90,051 Tokens de razonamiento 185,731 Tiempo de respuesta (promedio) 75.15s Tiempo de respuesta (total) 1578.24s Tiempo de respuesta (máximo) 431.03s Respuesta incorrecta: 4 Tiempo agotado: 3 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 5.5 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.2 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#8#8	Gemini 3.7 Flashmedium	9.4	Google	$0.309 ↑	5.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 93.9% Pruebas inestables 1 Tokens de entrada 89,055 Tokens de salida 5,697 Tokens de razonamiento 58,880 Tiempo de respuesta (promedio) 5.87s Tiempo de respuesta (total) 129.20s Tiempo de respuesta (máximo) 30.23s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 8.4 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 : 10.0
#119#119	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 42,106 Tokens de salida 2,280 Tokens de razonamiento 169,843 Tiempo de respuesta (promedio) 46.97s Tiempo de respuesta (total) 986.35s Tiempo de respuesta (máximo) 189.38s Respuesta incorrecta: 8 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#85#85	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 35,593 Tokens de salida 12,245 Tokens de razonamiento 62,277 Tiempo de respuesta (promedio) 23.00s Tiempo de respuesta (total) 482.97s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#284#284	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 9 Tokens de entrada 142,621 Tokens de salida 20,409 Tokens de razonamiento 251,820 Tiempo de respuesta (promedio) 69.08s Tiempo de respuesta (total) 1036.24s Tiempo de respuesta (máximo) 251.36s Respuesta incorrecta: 7 Tiempo agotado: 4 No siguió las instrucciones: 3 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 3.4 Combinado : 3.7 Análisis y extracción de datos : 4.6 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 7.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#176#176	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 69.7% Pruebas inestables 5 Tokens de entrada 40,961 Tokens de salida 2,518 Tokens de razonamiento 81,801 Tiempo de respuesta (promedio) 22.16s Tiempo de respuesta (total) 443.22s Tiempo de respuesta (máximo) 136.29s Respuesta incorrecta: 5 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 2.3 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#5#5	GPT-5.6 Sollow	9.5	OpenAI	$0.357 ↓	9.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 2 Tokens de entrada 78,580 Tokens de salida 4,476 Tokens de razonamiento 15,470 Tiempo de respuesta (promedio) 9.04s Tiempo de respuesta (total) 198.97s Tiempo de respuesta (máximo) 53.91s Respuesta incorrecta: 4 Trucos anti-IA : 8.3 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 : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 10.0
#64#64	Inklingmedium	8.0	Thinkingmachines	$0.383	15.66s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 4 Tokens de entrada 124,062 Tokens de salida 12,190 Tokens de razonamiento 51,652 Tiempo de respuesta (promedio) 15.66s Tiempo de respuesta (total) 344.52s Tiempo de respuesta (máximo) 85.12s Respuesta incorrecta: 4 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 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
#198#198	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad N/D Tasa de aciertos por intento 63.6% Pruebas inestables 0 Tokens de entrada 28,848 Tokens de salida 1,490 Tokens de razonamiento 10,102 Tiempo de respuesta (promedio) 9.05s Tiempo de respuesta (total) 90.53s Tiempo de respuesta (máximo) 26.24s Error de API: 4 Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#124#124	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 103,842 Tokens de salida 320,393 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 17.87s Tiempo de respuesta (total) 393.04s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 9 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 7.3 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#209#209	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 2 Tokens de entrada 108,641 Tokens de salida 8,339 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.08s Tiempo de respuesta (total) 45.75s Tiempo de respuesta (máximo) 15.63s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Trucos anti-IA : 3.2 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#51#51	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 2 Tokens de entrada 85,669 Tokens de salida 6,092 Tokens de razonamiento 292,801 Tiempo de respuesta (promedio) 30.43s Tiempo de respuesta (total) 669.38s Tiempo de respuesta (máximo) 122.60s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.8 Llamada de herramientas : 3.0 Cultura general : 3.0
#110#110	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 8 Tokens de entrada 87,682 Tokens de salida 7,166 Tokens de razonamiento 106,027 Tiempo de respuesta (promedio) 20.20s Tiempo de respuesta (total) 444.35s Tiempo de respuesta (máximo) 209.15s Respuesta incorrecta: 10 Error de API: 1 Trucos anti-IA : 6.9 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#109#109	GLM 5.3high	7.3	Z.ai	$0.403	27.82s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 7 Tokens de entrada 87,601 Tokens de salida 6,006 Tokens de razonamiento 57,661 Tiempo de respuesta (promedio) 27.82s Tiempo de respuesta (total) 612.06s Tiempo de respuesta (máximo) 159.91s Respuesta incorrecta: 6 Formato extra: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#152#152	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 9.9 Tasa de aciertos por intento 54.6% Pruebas inestables 4 Tokens de entrada 90,870 Tokens de salida 5,676 Tokens de razonamiento 314,918 Tiempo de respuesta (promedio) 113.61s Tiempo de respuesta (total) 2499.46s Tiempo de respuesta (máximo) 560.39s Respuesta incorrecta: 7 Error de API: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#71#71	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 2 Tokens de entrada 97,698 Tokens de salida 6,417 Tokens de razonamiento 191,215 Tiempo de respuesta (promedio) 45.52s Tiempo de respuesta (total) 955.94s Tiempo de respuesta (máximo) 291.55s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#91#91	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 6 Tokens de entrada 80,304 Tokens de salida 4,714 Tokens de razonamiento 16,872 Tiempo de respuesta (promedio) 5.45s Tiempo de respuesta (total) 119.83s Tiempo de respuesta (máximo) 19.85s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 6.6 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 4.7 Cultura general : 3.0
#4#4	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 95.5% Pruebas inestables 2 Tokens de entrada 64,446 Tokens de salida 1,974 Tokens de razonamiento 98,902 Tiempo de respuesta (promedio) 11.86s Tiempo de respuesta (total) 260.96s Tiempo de respuesta (máximo) 77.15s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.8 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0

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 3.8 Flashhigh Gemini 3.8 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