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: 2026-09-04 Modelos evaluados: 316

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

316/316

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#89#89	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.042 ↓	51.81s
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 108,480 Tokens de salida 37,229 Tokens de razonamiento 174,081 Tiempo de respuesta (promedio) 51.81s Tiempo de respuesta (total) 1139.75s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#90#90	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
#91#91	GPT-5.6 Lunahigh	7.6	OpenAI	$0.179 ↓	16.49s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 80,927 Tokens de salida 5,088 Tokens de razonamiento 130,227 Tiempo de respuesta (promedio) 16.49s Tiempo de respuesta (total) 362.78s Tiempo de respuesta (máximo) 111.09s Respuesta incorrecta: 8 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#92#92	Solar Pro 4xhigh	7.6	Upstage	$0.050	134.85s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 2 Tokens de entrada 98,116 Tokens de salida 21,720 Tokens de razonamiento 367,730 Tiempo de respuesta (promedio) 134.85s Tiempo de respuesta (total) 2966.79s Tiempo de respuesta (máximo) 491.42s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 2 Formato extra: 1 Trucos anti-IA : 8.3 Programación : 5.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 8.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#94#94	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 57.6% Pruebas inestables 1 Tokens de entrada 185,547 Tokens de salida 24,866 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.65s Tiempo de respuesta (total) 168.35s Tiempo de respuesta (máximo) 47.72s Respuesta incorrecta: 6 Formato extra: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 5.5 Programación : 5.9 Combinado : 8.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#95#95	GPT-5.4 Nanomedium	7.5	OpenAI	$0.142	13.32s
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 82,828 Tokens de salida 7,100 Tokens de razonamiento 92,781 Tiempo de respuesta (promedio) 13.32s Tiempo de respuesta (total) 292.97s Tiempo de respuesta (máximo) 94.06s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 9.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#96#96	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
#98#98	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
#99#99	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
#100#100	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
#101#101	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
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 112,713 Tokens de salida 5,436 Tokens de razonamiento 121,598 Tiempo de respuesta (promedio) 3.58s Tiempo de respuesta (total) 78.66s Tiempo de respuesta (máximo) 17.84s Respuesta incorrecta: 4 Error de API: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#102#102	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 5 Tokens de entrada 97,164 Tokens de salida 6,211 Tokens de razonamiento 152,133 Tiempo de respuesta (promedio) 26.72s Tiempo de respuesta (total) 587.90s Tiempo de respuesta (máximo) 138.75s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.6 Programación : 8.4 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#103#103	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
#104#104	Gemini 3.8 Flashlow	7.5	Google	$0.239	4.83s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 81.8% Pruebas inestables 4 Tokens de entrada 111,773 Tokens de salida 8,035 Tokens de razonamiento 33,289 Tiempo de respuesta (promedio) 4.83s Tiempo de respuesta (total) 106.18s Tiempo de respuesta (máximo) 35.14s Respuesta incorrecta: 5 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 5.4 Combinado : 3.8 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
#105#105	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 0 Tokens de entrada 117,493 Tokens de salida 10,589 Tokens de razonamiento 47,189 Tiempo de respuesta (promedio) 4.59s Tiempo de respuesta (total) 101.04s Tiempo de respuesta (máximo) 18.34s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#107#107	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
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 72,085 Tokens de salida 57,453 Tokens de razonamiento 182,093 Tiempo de respuesta (promedio) 80.09s Tiempo de respuesta (total) 1681.85s Tiempo de respuesta (máximo) 365.80s Respuesta incorrecta: 6 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 7.3 Programación : 7.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#108#108	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 2 Tokens de entrada 89,685 Tokens de salida 5,701 Tokens de razonamiento 38,824 Tiempo de respuesta (promedio) 7.43s Tiempo de respuesta (total) 163.54s Tiempo de respuesta (máximo) 29.85s Respuesta incorrecta: 9 Trucos anti-IA : 8.3 Programación : 5.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#109#109	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
#111#111	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
#112#112	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 2 Tokens de entrada 123,687 Tokens de salida 9,572 Tokens de razonamiento 31,204 Tiempo de respuesta (promedio) 6.51s Tiempo de respuesta (total) 143.12s Tiempo de respuesta (máximo) 17.13s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 5.8 Combinado : 3.0 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 : 10.0
#113#113	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 57.6% Pruebas inestables 1 Tokens de entrada 123,273 Tokens de salida 19,362 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.67s Tiempo de respuesta (total) 122.78s Tiempo de respuesta (máximo) 51.18s Respuesta incorrecta: 5 Formato extra: 4 No siguió las instrucciones: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 6.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#114#114	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
#115#115	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
#116#116	GLM 5.3 Flashhigh	7.3	Z.ai	$0.029	25.36s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 3 Tokens de entrada 113,003 Tokens de salida 11,558 Tokens de razonamiento 66,760 Tiempo de respuesta (promedio) 25.36s Tiempo de respuesta (total) 558.01s Tiempo de respuesta (máximo) 163.41s Respuesta incorrecta: 4 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 8.2 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#117#117	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 2 Tokens de entrada 104,925 Tokens de salida 9,168 Tokens de razonamiento 53,188 Tiempo de respuesta (promedio) 4.38s Tiempo de respuesta (total) 96.32s Tiempo de respuesta (máximo) 26.22s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 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 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium