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)
#359#359	Nemotron 3.5 Lightningmedium	4.7	NVIDIA	$0.195 ↕	81.93s
Lihat kartu model Total Tes 23 Tes Salah 18 Keandalan 9.8 Tingkat lulus per percobaan 47.8% Tes tidak stabil 12 Token input 195,780 Token output 167,746 Token penalaran 598,384 Waktu respons (rata-rata) 81.93s Waktu respons (total) 1884.31s Waktu respons (maks) 437.11s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 2.8 Trik anti-AI : 6.9 Pemrograman : 4.4 Gabungan : 6.2 Parsing dan ekstraksi data : 3.7 Spesifik domain : 2.9 Kecerdasan umum : 5.5 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 4.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#369#369	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Lihat kartu model Total Tes 23 Tes Salah 18 Keandalan 9.5 Tingkat lulus per percobaan 40.6% Tes tidak stabil 9 Token input 207,883 Token output 144,718 Token penalaran 525,897 Waktu respons (rata-rata) 83.19s Waktu respons (total) 1913.41s Waktu respons (maks) 597.61s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 3.5 Trik anti-AI : 6.9 Pemrograman : 4.0 Gabungan : 6.3 Parsing dan ekstraksi data : 2.9 Spesifik domain : 3.6 Kecerdasan umum : 3.7 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#197#197	Qwen3.5-Flashmedium	6.8	Qwen	$0.184	83.68s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 6 Token input 349,177 Token output 54,279 Token penalaran 477,389 Waktu respons (rata-rata) 83.68s Waktu respons (total) 1840.92s Waktu respons (maks) 515.38s Jawaban salah: 5 Kedaluwarsa: 3 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 3.7 Gabungan : 6.4 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#267#267	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.862	84.01s
Lihat kartu model Total Tes 23 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 49.3% Tes tidak stabil 7 Token input 319,352 Token output 158,447 Token penalaran 875,524 Waktu respons (rata-rata) 84.01s Waktu respons (total) 1932.24s Waktu respons (maks) 525.14s Jawaban salah: 9 Tidak mengikuti instruksi: 4 Pemanggilan alat tidak valid: 2 Tugas agen : 6.1 Trik anti-AI : 6.8 Pemrograman : 7.5 Gabungan : 2.9 Parsing dan ekstraksi data : 6.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 4.4 Pemecahan teka-teki : 5.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#34#34	Claude Sonnet 5.5max	9.2	Anthropic	$8.557	84.26s
Lihat kartu model Total Tes 23 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 82.6% Tes tidak stabil 2 Token input 484,627 Token output 11,026 Token penalaran 747,681 Waktu respons (rata-rata) 84.26s Waktu respons (total) 1937.91s Waktu respons (maks) 488.39s Tidak ada jawaban: 3 Tidak mengikuti instruksi: 2 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 : 5.1 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#380#380	Granite 4.2 8Bnone	4.4	IBM Granite	$0.037	84.66s
Lihat kartu model Total Tes 23 Tes Salah 20 Keandalan 9.1 Tingkat lulus per percobaan 15.9% Tes tidak stabil 2 Token input 226,872 Token output 133,268 Token penalaran 0 Waktu respons (rata-rata) 84.66s Waktu respons (total) 1947.17s Waktu respons (maks) 747.17s Jawaban salah: 11 Format tambahan: 4 Kedaluwarsa: 3 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 5.0 Trik anti-AI : 4.9 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 2.9 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#134#134	Nemotron 3.5 Super VLmedium	7.7	NVIDIA	$0.437	84.94s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 9.8 Tingkat lulus per percobaan 72.5% Tes tidak stabil 5 Token input 269,143 Token output 6,833 Token penalaran 785,200 Waktu respons (rata-rata) 84.94s Waktu respons (total) 1953.70s Waktu respons (maks) 527.47s Jawaban salah: 4 Tidak ada jawaban: 3 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 6.5 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#252#252	Ling 3.1 Flashlow	6.3	Inclusionai	$0.000	85.22s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 9.7 Tingkat lulus per percobaan 66.7% Tes tidak stabil 6 Token input 271,890 Token output 190,841 Token penalaran 513,329 Waktu respons (rata-rata) 85.22s Waktu respons (total) 1960.12s Waktu respons (maks) 432.81s Tidak ada jawaban: 4 Tidak mengikuti instruksi: 3 Jawaban salah: 2 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 4.7 Trik anti-AI : 10.0 Pemrograman : 5.6 Gabungan : 6.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 3.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.9 Pemanggilan alat : 4.7 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
#76#76	Grok 4.6high	8.5	X AI	$2.629	87.48s
Lihat kartu model Total Tes 23 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 82.6% Tes tidak stabil 0 Token input 376,233 Token output 6,687 Token penalaran 305,927 Waktu respons (rata-rata) 87.48s Waktu respons (total) 2012.15s Waktu respons (maks) 618.49s Jawaban salah: 3 Tidak ada jawaban: 1 Tugas agen : 5.0 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 : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#150#150	DeepSeek V4 Flash 0731low	7.4	DeepSeek	$0.306 ↑	88.15s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 71.0% Tes tidak stabil 6 Token input 231,356 Token output 43,054 Token penalaran 370,981 Waktu respons (rata-rata) 88.15s Waktu respons (total) 2027.36s Waktu respons (maks) 438.65s Jawaban salah: 8 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 4.7 Trik anti-AI : 8.2 Pemrograman : 7.3 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 6.5 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#368#368	Laguna S 2.1low	4.6	Poolside	$0.108 ↓	88.24s
Lihat kartu model Total Tes 23 Tes Salah 20 Keandalan 10.0 Tingkat lulus per percobaan 23.2% Tes tidak stabil 6 Token input 232,641 Token output 69,335 Token penalaran 426,182 Waktu respons (rata-rata) 88.24s Waktu respons (total) 2029.57s Waktu respons (maks) 814.73s Jawaban salah: 16 Tidak mengikuti instruksi: 2 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 2.8 Trik anti-AI : 3.4 Pemrograman : 3.8 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.8 Kepatuhan instruksi : 4.3 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#96#96	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.6 Tingkat lulus per percobaan 71.0% Tes tidak stabil 3 Token input 369,495 Token output 172,852 Token penalaran 476,002 Waktu respons (rata-rata) 88.74s Waktu respons (total) 2041.10s Waktu respons (maks) 567.88s Tidak ada jawaban: 4 Jawaban salah: 3 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#414#414	Command A+high	3.2	Cohere	$0.079	89.96s
Lihat kartu model Total Tes 23 Tes Salah 23 Keandalan 3.5 Tingkat lulus per percobaan 0.0% Tes tidak stabil 0 Token input 117,966 Token output 5,149 Token penalaran 23,514 Waktu respons (rata-rata) 89.96s Waktu respons (total) 2069.01s Waktu respons (maks) 156.00s Kesalahan API: 22 Jawaban salah: 1 Tugas agen : 3.9 Trik anti-AI : 3.0 Pemrograman : 3.0 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 3.0 Kecerdasan umum : 3.0 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#104#104	DeepSeek V4 Pro 0423high	8.1	DeepSeek	$0.149 ↓	91.29s
Lihat kartu model Total Tes 23 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 6 Token input 287,061 Token output 32,056 Token penalaran 196,607 Waktu respons (rata-rata) 91.29s Waktu respons (total) 2099.56s Waktu respons (maks) 416.76s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 5.7 Pemrograman : 6.3 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 7.8 Pemecahan teka-teki : 6.9 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0
#145#145	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 9.4 Tingkat lulus per percobaan 59.4% Tes tidak stabil 3 Token input 313,368 Token output 12,289 Token penalaran 259,270 Waktu respons (rata-rata) 91.67s Waktu respons (total) 1833.43s Waktu respons (maks) 301.78s Jawaban salah: 5 Kedaluwarsa: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 6.6 Pemrograman : 5.5 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#408#408	Command A+medium	3.4	Cohere	$0.064	91.72s
Lihat kartu model Total Tes 23 Tes Salah 23 Keandalan 3.5 Tingkat lulus per percobaan 0.0% Tes tidak stabil 0 Token input 118,771 Token output 4,127 Token penalaran 14,668 Waktu respons (rata-rata) 91.72s Waktu respons (total) 2109.54s Waktu respons (maks) 112.76s Kesalahan API: 22 Jawaban salah: 1 Tugas agen : 5.0 Trik anti-AI : 3.0 Pemrograman : 3.0 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 3.0 Kecerdasan umum : 3.0 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.0 Pemanggilan alat : 3.0 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
#418#418	Command A+low	3.0	Cohere	$0.073	92.50s
Lihat kartu model Total Tes 23 Tes Salah 23 Keandalan 3.5 Tingkat lulus per percobaan 1.5% Tes tidak stabil 1 Token input 114,874 Token output 1,992 Token penalaran 23,529 Waktu respons (rata-rata) 92.50s Waktu respons (total) 2127.40s Waktu respons (maks) 128.54s Kesalahan API: 22 Jawaban salah: 1 Tugas agen : 2.8 Trik anti-AI : 3.0 Pemrograman : 3.0 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 3.0 Kecerdasan umum : 3.0 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#130#130	DeepSeek V4 Flash 0731medium	7.8	DeepSeek	$0.460 ↑	94.16s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 72.5% Tes tidak stabil 8 Token input 274,189 Token output 66,689 Token penalaran 510,525 Waktu respons (rata-rata) 94.16s Waktu respons (total) 2165.72s Waktu respons (maks) 303.26s Jawaban salah: 5 Tidak ada jawaban: 3 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 8.2 Pemrograman : 6.4 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#256#256	Trinity Large Thinkinglow	6.3	Arcee AI	$0.918 ↑	95.16s
Lihat kartu model Total Tes 23 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 47.8% Tes tidak stabil 6 Token input 347,980 Token output 121,898 Token penalaran 720,302 Waktu respons (rata-rata) 95.16s Waktu respons (total) 2188.74s Waktu respons (maks) 540.96s Jawaban salah: 7 Tidak mengikuti instruksi: 3 Kesalahan API: 2 Pemanggilan alat tidak valid: 2 Tidak ada jawaban: 1 Tugas agen : 7.4 Trik anti-AI : 8.3 Pemrograman : 5.3 Gabungan : 5.2 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 4.4 Pemecahan teka-teki : 6.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#209#209	Ember-1max	6.7	Fireworks	$3.264	97.34s
Lihat kartu model Total Tes 23 Tes Salah 12 Keandalan 8.3 Tingkat lulus per percobaan 59.4% Tes tidak stabil 6 Token input 153,399 Token output 7,803 Token penalaran 179,098 Waktu respons (rata-rata) 97.34s Waktu respons (total) 2238.73s Waktu respons (maks) 587.08s Kesalahan API: 8 Jawaban salah: 3 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 5.2 Gabungan : 6.5 Parsing dan ekstraksi data : 6.4 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 7.7 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#166#166	Qwen3.5 Plus 2026-02-15medium	7.2	Qwen	$0.567	97.68s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 72.5% Tes tidak stabil 6 Token input 249,486 Token output 14,481 Token penalaran 288,249 Waktu respons (rata-rata) 97.68s Waktu respons (total) 1562.81s Waktu respons (maks) 304.85s Jawaban salah: 6 Kedaluwarsa: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 6.1 Trik anti-AI : 8.2 Pemrograman : 6.6 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#84#84	Muse Glimmer 30Bxhigh	8.4	Meta	$0.585 ↓	97.70s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 9.9 Tingkat lulus per percobaan 71.0% Tes tidak stabil 4 Token input 287,538 Token output 118,266 Token penalaran 346,758 Waktu respons (rata-rata) 97.70s Waktu respons (total) 2247.18s Waktu respons (maks) 576.79s Jawaban salah: 4 Tidak ada jawaban: 3 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.5 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 7.8 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

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