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)
#258#258	Grok 4.20medium	6.3	X AI	$1.246 ↓	36.73s
Lihat kartu model Total Tes 23 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 58.0% Tes tidak stabil 5 Token input 392,127 Token output 7,754 Token penalaran 294,333 Waktu respons (rata-rata) 36.73s Waktu respons (total) 844.68s Waktu respons (maks) 199.66s Jawaban salah: 7 Format tambahan: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 3.0 Trik anti-AI : 8.2 Pemrograman : 6.3 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 3.9 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#61#61	Muse Spark Openmedium	8.8	Meta	$1.260	77.44s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.8 Tingkat lulus per percobaan 78.3% Tes tidak stabil 5 Token input 256,646 Token output 10,490 Token penalaran 210,325 Waktu respons (rata-rata) 77.44s Waktu respons (total) 1781.16s Waktu respons (maks) 643.19s Jawaban salah: 3 Tidak mengikuti instruksi: 2 Format tambahan: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 6.9 Pemrograman : 8.2 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 8.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#151#151	Seed-2.0-Codemedium	7.4	Bytedance Seed	$1.275	100.65s
Lihat kartu model Total Tes 23 Tes Salah 12 Keandalan 8.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 7 Token input 244,499 Token output 8,744 Token penalaran 375,349 Waktu respons (rata-rata) 100.65s Waktu respons (total) 2314.88s Waktu respons (maks) 626.58s Jawaban salah: 6 Kesalahan API: 4 Format tambahan: 1 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 6.9 Pemrograman : 8.9 Gabungan : 4.7 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#119#119	Gemini 3.5 Flashmedium	7.9	Google	$1.316	11.78s
Lihat kartu model Total Tes 23 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 81.2% Tes tidak stabil 2 Token input 296,760 Token output 4,371 Token penalaran 92,284 Waktu respons (rata-rata) 11.78s Waktu respons (total) 271.03s Waktu respons (maks) 84.47s Jawaban salah: 3 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 2.8 Trik anti-AI : 10.0 Pemrograman : 7.9 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#37#37	GPT-5.3-Codexmedium	9.1	OpenAI	$1.318	18.87s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 84.1% Tes tidak stabil 4 Token input 222,794 Token output 7,357 Token penalaran 58,930 Waktu respons (rata-rata) 18.87s Waktu respons (total) 433.94s Waktu respons (maks) 100.93s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.6 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.0 Pemanggilan alat : 10.0 Pengetahuan umum : 2.8
#129#129	Grok 4.5low	7.8	X AI	$1.345	18.14s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 73.9% Tes tidak stabil 2 Token input 308,068 Token output 9,218 Token penalaran 112,197 Waktu respons (rata-rata) 18.14s Waktu respons (total) 417.21s Waktu respons (maks) 205.28s Jawaban salah: 7 Tugas agen : 5.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#6#6	GPT-6.1 Solxhigh	9.9	OpenAI	$1.377	33.11s
Lihat kartu model Total Tes 23 Tes Salah 1 Keandalan 10.0 Tingkat lulus per percobaan 97.1% Tes tidak stabil 1 Token input 175,712 Token output 5,640 Token penalaran 96,842 Waktu respons (rata-rata) 33.11s Waktu respons (total) 761.52s Waktu respons (maks) 491.85s Jawaban salah: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#146#146	Mistral Large 4high	7.5	Mistral	$1.391	263.69s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 9.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 6 Token input 230,895 Token output 161,281 Token penalaran 510,655 Waktu respons (rata-rata) 263.69s Waktu respons (total) 6064.89s Waktu respons (maks) 1727.29s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 3.3 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#204#204	Grok Build 0.1medium	6.7	X AI	$1.419	55.13s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 58.0% Tes tidak stabil 1 Token input 358,616 Token output 9,651 Token penalaran 520,155 Waktu respons (rata-rata) 55.13s Waktu respons (total) 1268.10s Waktu respons (maks) 252.69s Jawaban salah: 6 Format tambahan: 3 Pemanggilan alat tidak valid: 1 Tugas agen : 3.4 Trik anti-AI : 8.3 Pemrograman : 5.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#78#78	Claude Sonnet 5medium	8.5	Anthropic	$1.438	15.01s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 353,658 Token output 54,891 Token penalaran 18,370 Waktu respons (rata-rata) 15.01s Waktu respons (total) 345.16s Waktu respons (maks) 69.26s Jawaban salah: 5 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 9.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#147#147	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 9.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 5 Token input 297,321 Token output 8,997 Token penalaran 423,853 Waktu respons (rata-rata) 124.87s Waktu respons (total) 2871.96s Waktu respons (maks) 675.30s Jawaban salah: 6 Kesalahan API: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 6.2 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.6 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.8 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#219#219	Step 3.7 Flashhigh	6.6	Stepfun	$1.478 ↑	72.72s
Lihat kartu model Total Tes 23 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 58.0% Tes tidak stabil 4 Token input 421,200 Token output 1,100,052 Token penalaran 0 Waktu respons (rata-rata) 72.72s Waktu respons (total) 1672.53s Waktu respons (maks) 364.99s Jawaban salah: 8 Tidak ada jawaban: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 5.4 Trik anti-AI : 10.0 Pemrograman : 4.0 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#184#184	Ember-1low	7.0	Fireworks	$1.488	34.90s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 8.8 Tingkat lulus per percobaan 65.2% Tes tidak stabil 5 Token input 211,908 Token output 14,158 Token penalaran 42,608 Waktu respons (rata-rata) 34.90s Waktu respons (total) 802.79s Waktu respons (maks) 121.29s Kesalahan API: 6 Jawaban salah: 3 Pemanggilan alat tidak valid: 1 Tugas agen : 4.7 Trik anti-AI : 8.2 Pemrograman : 10.0 Gabungan : 6.5 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#72#72	Claude Sonnet 5.5xhigh	8.6	Anthropic	$1.516	14.98s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 79.7% Tes tidak stabil 4 Token input 342,579 Token output 12,848 Token penalaran 70,193 Waktu respons (rata-rata) 14.98s Waktu respons (total) 344.60s Waktu respons (maks) 54.92s Jawaban salah: 3 Format tambahan: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#41#41	Paretodefault	9.1	Unbiased	$1.520	33.47s
Lihat kartu model Total Tes 23 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 87.0% Tes tidak stabil 2 Token input 223,559 Token output 128,144 Token penalaran 0 Waktu respons (rata-rata) 33.47s Waktu respons (total) 769.84s Waktu respons (maks) 143.33s Jawaban salah: 3 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 7.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 2.8
#144#144	GLM 5.1medium	7.5	Z.ai	$1.546 ↑	66.38s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 9.2 Tingkat lulus per percobaan 66.7% Tes tidak stabil 4 Token input 331,577 Token output 17,919 Token penalaran 230,789 Waktu respons (rata-rata) 66.38s Waktu respons (total) 1460.31s Waktu respons (maks) 308.75s Jawaban salah: 5 Kedaluwarsa: 2 Kesalahan API: 1 Format tambahan: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 4.6 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 8.2 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#65#65	GPT-5.2medium	8.7	OpenAI	$1.558 ↑	31.29s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 73.9% Tes tidak stabil 4 Token input 235,207 Token output 11,065 Token penalaran 69,473 Waktu respons (rata-rata) 31.29s Waktu respons (total) 531.98s Waktu respons (maks) 116.86s Tidak mengikuti instruksi: 3 Jawaban salah: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 6.5 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 3.7 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.5 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#85#85	Gemini 3.1 Pro Previewmedium	8.4	Google	$1.585	22.71s
Lihat kartu model Total Tes 23 Tes Salah 3 Keandalan 9.8 Tingkat lulus per percobaan 89.9% Tes tidak stabil 1 Token input 176,208 Token output 6,093 Token penalaran 96,598 Waktu respons (rata-rata) 22.71s Waktu respons (total) 386.11s Waktu respons (maks) 88.68s Jawaban salah: 2 Kedaluwarsa: 1 Tugas agen : 4.7 Trik anti-AI : 10.0 Pemrograman : 7.9 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#55#55	Muse Spark 1.2medium	8.9	Meta	$1.590	21.28s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 75.4% Tes tidak stabil 4 Token input 292,604 Token output 9,569 Token penalaran 278,408 Waktu respons (rata-rata) 21.28s Waktu respons (total) 489.46s Waktu respons (maks) 142.49s Tidak mengikuti instruksi: 3 Jawaban salah: 3 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 7.3 Pemrograman : 10.0 Gabungan : 8.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#196#196	Kimi K2.6medium	6.8	Moonshot AI	$1.594 ↑	121.25s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 60.9% Tes tidak stabil 4 Token input 226,880 Token output 65,346 Token penalaran 331,325 Waktu respons (rata-rata) 121.25s Waktu respons (total) 2667.55s Waktu respons (maks) 876.20s Jawaban salah: 4 Kedaluwarsa: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 5.0 Trik anti-AI : 7.0 Pemrograman : 5.7 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#22#22	GPT-5.6 Solhigh	9.5	OpenAI	$1.595 ↑	13.59s
Lihat kartu model Total Tes 23 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 89.9% Tes tidak stabil 3 Token input 195,567 Token output 5,841 Token penalaran 26,230 Waktu respons (rata-rata) 13.59s Waktu respons (total) 312.61s Waktu respons (maks) 59.99s Jawaban salah: 4 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 4.7
#43#43	Muse Wonderminimal	9.1	Meta	$1.639	7.72s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 9.7 Tingkat lulus per percobaan 76.8% Tes tidak stabil 2 Token input 238,532 Token output 9,812 Token penalaran 24,412 Waktu respons (rata-rata) 7.72s Waktu respons (total) 177.57s Waktu respons (maks) 42.89s Kesalahan API: 3 Jawaban salah: 3 Tugas agen : 10.0 Trik anti-AI : 10.0 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 : 10.0 Pengetahuan umum : 3.0
#29#29	Seed 2.1 Turbolow	9.3	Bytedance Seed	$1.645	161.25s
Lihat kartu model Total Tes 23 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 81.2% Tes tidak stabil 2 Token input 241,855 Token output 8,387 Token penalaran 600,946 Waktu respons (rata-rata) 161.25s Waktu respons (total) 3708.70s Waktu respons (maks) 739.98s Jawaban salah: 3 Tidak ada jawaban: 2 Tugas agen : 10.0 Trik anti-AI : 8.2 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 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
#79#79	Qwen3.7 Maxmedium	8.5	Qwen	$1.689 ↓	48.35s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 85.5% Tes tidak stabil 4 Token input 367,848 Token output 8,753 Token penalaran 250,279 Waktu respons (rata-rata) 48.35s Waktu respons (total) 1112.11s Waktu respons (maks) 556.06s Jawaban salah: 5 Pemanggilan alat tidak valid: 1 Tugas agen : 6.1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 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