Leaderboard AI Benchy

Name: Hasil Benchmark Model AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-10-17 Model Dievaluasi: 442

Model rekomendasi

GPT-6.1 Sol xhigh Cerdas Tingkat lulus per percobaan 97.1% Tes benar 22 / 23 Skor 9.9/10 Gemini 3.7 Flash low Cepat Waktu respons (rata-rata) 6.24s Total token output 38,453 Skor 9.4/10 GPT-6 Luna high Terjangkau Harga input $0.100 / 1M Harga output $0.500 / 1M Harga baca cache $0.010 / 1M Harga tulis cache $0.125 / 1M Skor 7.7/10

442/442

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#120#120	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.6 Tingkat lulus per percobaan 75.4% Tes tidak stabil 4 Token input 295,642 Token output 115,041 Token penalaran 353,398 Waktu respons (rata-rata) 120.88s Waktu respons (total) 2780.16s Waktu respons (maks) 532.28s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#123#123	Ling 3.1 Flashhigh	7.9	Inclusionai	$0.000	87.39s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.8 Tingkat lulus per percobaan 69.6% Tes tidak stabil 2 Token input 324,691 Token output 181,251 Token penalaran 506,441 Waktu respons (rata-rata) 87.39s Waktu respons (total) 2010.08s Waktu respons (maks) 665.85s Tidak ada jawaban: 4 Jawaban salah: 2 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 3.9 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#131#131	Muse Wonderhigh	7.7	Meta	$3.426	22.96s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.3 Tingkat lulus per percobaan 66.7% Tes tidak stabil 1 Token input 94,153 Token output 9,606 Token penalaran 142,834 Waktu respons (rata-rata) 22.96s Waktu respons (total) 528.08s Waktu respons (maks) 143.21s Kesalahan API: 6 Jawaban salah: 2 Tugas agen : 3.0 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 9.8 Pengetahuan umum : 2.8
#132#132	GPT-6 Lunahigh	7.7	OpenAI	$0.074	20.37s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 73.9% Tes tidak stabil 4 Token input 229,986 Token output 6,037 Token penalaran 95,550 Waktu respons (rata-rata) 20.37s Waktu respons (total) 468.52s Waktu respons (maks) 106.93s Jawaban salah: 6 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 5.2 Trik anti-AI : 10.0 Pemrograman : 7.8 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 7.8 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#140#140	Qwen3.8 Flash Nextmedium	7.6	Qwen	~$0.047	24.79s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 75.4% Tes tidak stabil 6 Token input 278,792 Token output 1,695 Token penalaran 142,270 Waktu respons (rata-rata) 24.79s Waktu respons (total) 570.26s Waktu respons (maks) 159.62s Jawaban salah: 6 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 4.7 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#142#142	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.1% Tes tidak stabil 1 Token input 315,290 Token output 1,607 Token penalaran 207,536 Waktu respons (rata-rata) 46.60s Waktu respons (total) 1071.83s Waktu respons (maks) 376.04s Jawaban salah: 5 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Tugas agen : 6.1 Trik anti-AI : 10.0 Pemrograman : 7.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#156#156	Inklingmedium	7.4	Thinkingmachines	$0.527 ↓	16.98s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 75.4% Tes tidak stabil 5 Token input 257,138 Token output 13,830 Token penalaran 55,775 Waktu respons (rata-rata) 16.98s Waktu respons (total) 390.45s Waktu respons (maks) 85.12s Jawaban salah: 5 Pemanggilan alat tidak valid: 2 Tidak ada jawaban: 1 Tugas agen : 4.7 Trik anti-AI : 8.7 Pemrograman : 8.4 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 2.8
#159#159	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 6 Token input 157,142 Token output 8,149 Token penalaran 24,357 Waktu respons (rata-rata) 11.87s Waktu respons (total) 272.91s Waktu respons (maks) 36.59s Jawaban salah: 3 Tidak ada jawaban: 2 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Tugas agen : 3.0 Trik anti-AI : 8.2 Pemrograman : 7.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 2.8
#160#160	Grok 4.7medium	7.3	X AI	$2.938	117.65s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.8 Tingkat lulus per percobaan 78.3% Tes tidak stabil 5 Token input 326,066 Token output 5,726 Token penalaran 469,019 Waktu respons (rata-rata) 117.65s Waktu respons (total) 2706.03s Waktu respons (maks) 660.89s Jawaban salah: 5 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Tugas agen : 3.9 Trik anti-AI : 10.0 Pemrograman : 6.6 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.4 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#161#161	Gemini 2.5 Flashmedium	7.3	Google	$0.680 ↑	20.51s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.1% Tes tidak stabil 1 Token input 132,507 Token output 12,739 Token penalaran 228,626 Waktu respons (rata-rata) 20.51s Waktu respons (total) 471.64s Waktu respons (maks) 140.50s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Tugas agen : 3.0 Trik anti-AI : 8.4 Pemrograman : 7.8 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#163#163	Qwen3.6 Plusmedium	7.3	Qwen	$0.554 ↑	57.41s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 69.6% Tes tidak stabil 3 Token input 222,601 Token output 8,185 Token penalaran 238,605 Waktu respons (rata-rata) 57.41s Waktu respons (total) 1263.02s Waktu respons (maks) 307.08s Jawaban salah: 6 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 4.7 Trik anti-AI : 10.0 Pemrograman : 6.1 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#187#187	Grok 4.6low	6.9	X AI	$0.781	16.44s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 1 Token input 263,427 Token output 6,006 Token penalaran 36,309 Waktu respons (rata-rata) 16.44s Waktu respons (total) 378.14s Waktu respons (maks) 57.97s Jawaban salah: 8 Tugas agen : 5.0 Trik anti-AI : 10.0 Pemrograman : 5.5 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#199#199	Mercury 2.5 Previewmedium	6.8	Inception	$0.039 ↑	6.66s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 1 Token input 397,291 Token output 6,355 Token penalaran 143,752 Waktu respons (rata-rata) 6.66s Waktu respons (total) 153.29s Waktu respons (maks) 74.63s Jawaban salah: 4 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 3.9 Trik anti-AI : 10.0 Pemrograman : 7.8 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#261#261	GLM 5 Turbomedium	6.2	Z.ai	$0.323 ↑	23.00s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 68.1% Tes tidak stabil 4 Token input 35,593 Token output 12,245 Token penalaran 62,277 Waktu respons (rata-rata) 23.00s Waktu respons (total) 482.97s Waktu respons (maks) 194.23s Jawaban salah: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 0.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#321#321	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 60.9% Tes tidak stabil 0 Token input 27,030 Token output 73,544 Token penalaran 0 Waktu respons (rata-rata) 16.28s Waktu respons (total) 293.12s Waktu respons (maks) 46.04s Kesalahan API: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Tugas agen : 0.0 Trik anti-AI : 10.0 Pemrograman : 5.3 Gabungan : 5.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#350#350	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan T/A Tingkat lulus per percobaan 60.9% Tes tidak stabil 0 Token input 28,848 Token output 1,490 Token penalaran 10,102 Waktu respons (rata-rata) 9.05s Waktu respons (total) 90.53s Waktu respons (maks) 26.24s Kesalahan API: 4 Jawaban salah: 3 Tugas agen : 0.0 Trik anti-AI : 10.0 Pemrograman : 3.0 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#172#172	GLM 5medium	7.2	Z.ai	$0.479 ↑	39.05s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 5 Token input 212,440 Token output 22,922 Token penalaran 115,335 Waktu respons (rata-rata) 39.05s Waktu respons (total) 546.68s Waktu respons (maks) 110.70s Jawaban salah: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 4.7 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 5.0 Parsing dan ekstraksi data : 7.1 Spesifik domain : 3.5 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#44#44	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.6 Tingkat lulus per percobaan 81.2% Tes tidak stabil 5 Token input 271,242 Token output 11,803 Token penalaran 397,838 Waktu respons (rata-rata) 92.38s Waktu respons (total) 2124.67s Waktu respons (maks) 482.30s Kesalahan API: 2 Jawaban salah: 2 Format tambahan: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#53#53	Muse Spark Openlow	8.9	Meta	$0.600	21.62s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.9 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 278,684 Token output 10,151 Token penalaran 48,907 Waktu respons (rata-rata) 21.62s Waktu respons (total) 497.25s Waktu respons (maks) 119.16s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 9.2 Pemrograman : 10.0 Gabungan : 8.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 8.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#56#56	Muse Spark 1.1medium	8.9	Meta	$1.665	27.02s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 73.9% Tes tidak stabil 2 Token input 305,707 Token output 10,240 Token penalaran 291,479 Waktu respons (rata-rata) 27.02s Waktu respons (total) 621.38s Waktu respons (maks) 165.38s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 8.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 7.9 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0
#60#60	GPT-5.4medium	8.8	OpenAI	$2.213 ↑	24.81s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 4 Token input 223,210 Token output 7,312 Token penalaran 89,190 Waktu respons (rata-rata) 24.81s Waktu respons (total) 570.60s Waktu respons (maks) 100.41s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 8.8 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#62#62	DeepSeek V4.1 Flashhigh	8.7	DeepSeek	$0.617 ↑	33.27s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.7 Tingkat lulus per percobaan 75.4% Tes tidak stabil 3 Token input 282,490 Token output 8,621 Token penalaran 455,535 Waktu respons (rata-rata) 33.27s Waktu respons (total) 765.12s Waktu respons (maks) 205.53s Jawaban salah: 5 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#63#63	DeepSeek V4.1 Flashmedium	8.7	DeepSeek	$0.591 ↑	32.88s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.6 Tingkat lulus per percobaan 73.9% Tes tidak stabil 2 Token input 280,643 Token output 7,342 Token penalaran 437,323 Waktu respons (rata-rata) 32.88s Waktu respons (total) 756.34s Waktu respons (maks) 276.31s Jawaban salah: 5 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 3 Token input 254,914 Token output 10,303 Token penalaran 121,928 Waktu respons (rata-rata) 11.81s Waktu respons (total) 271.60s Waktu respons (maks) 56.77s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Tugas agen : 10.0 Trik anti-AI : 9.2 Pemrograman : 8.4 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#68#68	Seed 2.1 Turbomedium	8.7	Bytedance Seed	$2.042	189.13s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 79.7% Tes tidak stabil 5 Token input 234,572 Token output 8,019 Token penalaran 761,563 Waktu respons (rata-rata) 189.13s Waktu respons (total) 4349.92s Waktu respons (maks) 885.33s Jawaban salah: 5 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 8.2 Pemrograman : 8.2 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 9.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0

Tren benchmark global

Lihat bagaimana model saat ini menyeimbangkan skor, biaya, kecepatan, panjang output, dan kekuatan per kategori.

Grafik →

Frontier Pareto: kecerdasan vs biaya

Perkembangan skor terbaik perusahaan terdepan

Frontier Pareto: kecerdasan vs kecepatan respons

Frontier Pareto Skor vs Token Output

Tingkat kesulitan kategori lintas model

Perbandingan Cepat

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow