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: 308

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

308/308

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#115#115	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 8 Tokens de entrada 103,494 Tokens de salida 100,589 Tokens de razonamiento 270,217 Tiempo de respuesta (promedio) 66.70s Tiempo de respuesta (total) 1467.39s Tiempo de respuesta (máximo) 451.90s Respuesta incorrecta: 7 No siguió las instrucciones: 3 Sin respuesta: 2 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 5.3 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 6.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#10#10	GPT-5.6 Solhigh	9.4	OpenAI	$0.446 ↓	11.48s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 89.4% Pruebas inestables 3 Tokens de entrada 79,258 Tokens de salida 4,855 Tokens de razonamiento 23,853 Tiempo de respuesta (promedio) 11.48s Tiempo de respuesta (total) 252.62s Tiempo de respuesta (máximo) 54.79s Respuesta incorrecta: 4 Trucos anti-IA : 8.7 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 : 10.0 Llamada de herramientas : 10.0 Cultura general : 4.7
#103#103	Grok 4.6low	7.4	X AI	$0.449	14.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 1 Tokens de entrada 109,960 Tokens de salida 5,124 Tokens de razonamiento 32,924 Tiempo de respuesta (promedio) 14.55s Tiempo de respuesta (total) 320.17s Tiempo de respuesta (máximo) 26.46s Respuesta incorrecta: 7 Trucos anti-IA : 10.0 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#27#27	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 84.9% Pruebas inestables 2 Tokens de entrada 87,826 Tokens de salida 2,239 Tokens de razonamiento 32,956 Tiempo de respuesta (promedio) 5.76s Tiempo de respuesta (total) 126.71s Tiempo de respuesta (máximo) 53.55s Respuesta incorrecta: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 8.2 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 : 10.0
#151#151	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 6 Tokens de entrada 44,615 Tokens de salida 2,347 Tokens de razonamiento 98,415 Tiempo de respuesta (promedio) 23.08s Tiempo de respuesta (total) 484.63s Tiempo de respuesta (máximo) 95.88s Respuesta incorrecta: 7 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 7.2 Programación : 6.0 Combinado : 3.4 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 7.0 Cultura general : 3.0
#91#91	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 5 Tokens de entrada 113,569 Tokens de salida 9,823 Tokens de razonamiento 264,886 Tiempo de respuesta (promedio) 91.76s Tiempo de respuesta (total) 1376.42s Tiempo de respuesta (máximo) 304.85s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.6 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#132#132	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.478	24.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 8 Tokens de entrada 87,916 Tokens de salida 7,213 Tokens de razonamiento 132,162 Tiempo de respuesta (promedio) 24.87s Tiempo de respuesta (total) 547.14s Tiempo de respuesta (máximo) 257.00s Respuesta incorrecta: 9 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 8.2 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#131#131	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 8 Tokens de entrada 118,496 Tokens de salida 53,522 Tokens de razonamiento 167,420 Tiempo de respuesta (promedio) 98.19s Tiempo de respuesta (total) 1571.05s Tiempo de respuesta (máximo) 281.00s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 6.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#148#148	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.487	26.01s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 8 Tokens de entrada 98,508 Tokens de salida 139,572 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 26.01s Tiempo de respuesta (total) 572.22s Tiempo de respuesta (máximo) 335.41s Respuesta incorrecta: 10 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.7 Programación : 6.1 Combinado : 4.1 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#80#80	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.490 ↑	92.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 6 Tokens de entrada 90,757 Tokens de salida 22,928 Tokens de razonamiento 186,516 Tiempo de respuesta (promedio) 92.50s Tiempo de respuesta (total) 2035.01s Tiempo de respuesta (máximo) 416.76s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 5.7 Programación : 6.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.8 Resolución de acertijos : 6.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#152#152	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 51.5% Pruebas inestables 4 Tokens de entrada 93,411 Tokens de salida 30,470 Tokens de razonamiento 356,172 Tiempo de respuesta (promedio) 153.29s Tiempo de respuesta (total) 3372.36s Tiempo de respuesta (máximo) 941.66s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Sin respuesta: 2 Tiempo agotado: 2 Trucos anti-IA : 8.9 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#65#65	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 3 Tokens de entrada 114,191 Tokens de salida 409,709 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 23.51s Tiempo de respuesta (total) 517.21s Tiempo de respuesta (máximo) 152.83s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#101#101	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 2 Tokens de entrada 97,324 Tokens de salida 44,383 Tokens de razonamiento 346,490 Tiempo de respuesta (promedio) 143.55s Tiempo de respuesta (total) 3158.11s Tiempo de respuesta (máximo) 939.52s Respuesta incorrecta: 7 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 7.3 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#153#153	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 0 Tokens de entrada 69,576 Tokens de salida 6,265 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.02s Tiempo de respuesta (total) 57.44s Tiempo de respuesta (máximo) 18.27s Respuesta incorrecta: 3 Trucos anti-IA : 8.3 Programación : 3.3 Combinado : 4.8 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 : 3.0
#114#114	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 6 Tokens de entrada 106,085 Tokens de salida 9,071 Tokens de razonamiento 135,288 Tiempo de respuesta (promedio) 22.11s Tiempo de respuesta (total) 486.31s Tiempo de respuesta (máximo) 199.97s Respuesta incorrecta: 10 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.0 Programación : 6.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#9#9	GPT-5.6 Solmedium	9.4	OpenAI	$0.508 ↓	12.63s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 90.9% Pruebas inestables 3 Tokens de entrada 79,006 Tokens de salida 4,696 Tokens de razonamiento 30,281 Tiempo de respuesta (promedio) 12.63s Tiempo de respuesta (total) 277.88s Tiempo de respuesta (máximo) 79.40s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 4.7
#55#55	Muse Glimmer 30Bxhigh	8.1	Meta	$0.510 ↓	95.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.9 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 110,930 Tokens de salida 116,373 Tokens de razonamiento 330,471 Tiempo de respuesta (promedio) 95.55s Tiempo de respuesta (total) 2102.12s Tiempo de respuesta (máximo) 576.79s Respuesta incorrecta: 4 Sin respuesta: 3 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#71#71	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
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 79,184 Tokens de salida 4,878 Tokens de razonamiento 25,471 Tiempo de respuesta (promedio) 6.85s Tiempo de respuesta (total) 150.65s Tiempo de respuesta (máximo) 41.68s Respuesta incorrecta: 8 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#90#90	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 78,846 Tokens de salida 28,179 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.56s Tiempo de respuesta (total) 137.77s Tiempo de respuesta (máximo) 18.33s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 6.7 Programación : 5.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#28#28	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
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 93,046 Tokens de salida 5,884 Tokens de razonamiento 198,741 Tiempo de respuesta (promedio) 10.05s Tiempo de respuesta (total) 221.06s Tiempo de respuesta (máximo) 36.22s Respuesta incorrecta: 5 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 9.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#127#127	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 2 Tokens de entrada 79,294 Tokens de salida 4,915 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.35s Tiempo de respuesta (total) 51.78s Tiempo de respuesta (máximo) 12.24s Respuesta incorrecta: 10 Trucos anti-IA : 6.9 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#297#297	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 4 Tokens de entrada 11,793 Tokens de salida 267,275 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 28.69s Tiempo de respuesta (total) 459.00s Tiempo de respuesta (máximo) 138.35s Respuesta incorrecta: 7 Error de API: 3 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 3.3 Combinado : 1.5 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#178#178	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 40.9% Pruebas inestables 4 Tokens de entrada 161,032 Tokens de salida 22,508 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.05s Tiempo de respuesta (total) 132.99s Tiempo de respuesta (máximo) 33.39s Respuesta incorrecta: 8 Formato extra: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 5.3 Programación : 4.6 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#269#269	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 39.4% Pruebas inestables 8 Tokens de entrada 101,776 Tokens de salida 276,367 Tokens de razonamiento 656,252 Tiempo de respuesta (promedio) 75.86s Tiempo de respuesta (total) 1668.93s Tiempo de respuesta (máximo) 510.21s Respuesta incorrecta: 10 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Sin respuesta: 1 Trucos anti-IA : 6.7 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 4.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#64#64	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 101,104 Tokens de salida 29,742 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.73s Tiempo de respuesta (total) 162.40s Tiempo de respuesta (máximo) 38.52s Respuesta incorrecta: 6 Error de API: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 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 3.8 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