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)
#14#14	GPT-6 Astralow	9.6	OpenAI	$2.160	7.01s
Lihat kartu model Total Tes 23 Tes Salah 2 Keandalan 9.9 Tingkat lulus per percobaan 91.3% Tes tidak stabil 0 Token input 159,023 Token output 4,935 Token penalaran 6,454 Waktu respons (rata-rata) 7.01s Waktu respons (total) 161.20s Waktu respons (maks) 49.16s Jawaban salah: 2 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 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 : 3.0
#15#15	Gemini 3 Flash Previewmedium	9.6	Google	$0.876	21.57s
Lihat kartu model Total Tes 23 Tes Salah 2 Keandalan 10.0 Tingkat lulus per percobaan 94.2% Tes tidak stabil 1 Token input 235,726 Token output 6,669 Token penalaran 245,867 Waktu respons (rata-rata) 21.57s Waktu respons (total) 496.12s Waktu respons (maks) 117.26s Jawaban salah: 2 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.6 Gabungan : 10.0 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
#16#16	GPT-6.1 Sollow	9.6	OpenAI	$0.460	7.15s
Lihat kartu model Total Tes 23 Tes Salah 2 Keandalan 10.0 Tingkat lulus per percobaan 92.8% Tes tidak stabil 1 Token input 163,900 Token output 4,958 Token penalaran 8,180 Waktu respons (rata-rata) 7.15s Waktu respons (total) 164.47s Waktu respons (maks) 46.57s Jawaban salah: 2 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 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 : 2.8
#17#17	Gemini 4 Argonhigh	9.5	Google	$1.802	19.03s
Lihat kartu model Total Tes 23 Tes Salah 2 Keandalan 9.9 Tingkat lulus per percobaan 97.1% Tes tidak stabil 2 Token input 240,264 Token output 5,707 Token penalaran 126,366 Waktu respons (rata-rata) 19.03s Waktu respons (total) 437.77s Waktu respons (maks) 82.53s Kesalahan API: 1 Jawaban salah: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 8.2 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#18#18	Gemini 3.7 Flashmedium	9.5	Google	$0.278	8.16s
Lihat kartu model Total Tes 23 Tes Salah 2 Keandalan 10.0 Tingkat lulus per percobaan 94.2% Tes tidak stabil 1 Token input 202,347 Token output 6,660 Token penalaran 68,002 Waktu respons (rata-rata) 8.16s Waktu respons (total) 187.58s Waktu respons (maks) 58.39s Jawaban salah: 2 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.4 Gabungan : 10.0 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
#19#19	GPT-6 Solmedium	9.5	OpenAI	$0.703	12.12s
Lihat kartu model Total Tes 23 Tes Salah 2 Keandalan 10.0 Tingkat lulus per percobaan 94.2% Tes tidak stabil 1 Token input 194,520 Token output 5,396 Token penalaran 25,991 Waktu respons (rata-rata) 12.12s Waktu respons (total) 278.70s Waktu respons (maks) 82.74s Jawaban salah: 2 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 10.0 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
#26#26	Gemini 3.7 Flashlow	9.4	Google	$0.183	6.24s
Lihat kartu model Total Tes 23 Tes Salah 2 Keandalan 10.0 Tingkat lulus per percobaan 95.7% Tes tidak stabil 2 Token input 188,519 Token output 7,694 Token penalaran 30,759 Waktu respons (rata-rata) 6.24s Waktu respons (total) 143.56s Waktu respons (maks) 58.75s Jawaban salah: 2 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 7.6 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 8.2 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
Lihat kartu model Total Tes 23 Tes Salah 1 Keandalan 10.0 Tingkat lulus per percobaan 98.6% Tes tidak stabil 1 Token input 238,080 Token output 4,211 Token penalaran 188,109 Waktu respons (rata-rata) 18.93s Waktu respons (total) 435.48s Waktu respons (maks) 104.15s 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 : 8.2 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.927	40.60s
Lihat kartu model Total Tes 23 Tes Salah 1 Keandalan 10.0 Tingkat lulus per percobaan 98.6% Tes tidak stabil 1 Token input 334,568 Token output 11,394 Token penalaran 435,334 Waktu respons (rata-rata) 40.60s Waktu respons (total) 933.73s Waktu respons (maks) 177.08s Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 8.2 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#3🥉 #3	GPT-6 Solhigh	9.9	OpenAI	$0.921	23.56s
Lihat kartu model Total Tes 23 Tes Salah 1 Keandalan 10.0 Tingkat lulus per percobaan 95.7% Tes tidak stabil 0 Token input 182,698 Token output 5,647 Token penalaran 49,872 Waktu respons (rata-rata) 23.56s Waktu respons (total) 541.85s Waktu respons (maks) 136.22s 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 : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#4#4	GPT-6.1 Solmax	9.9	OpenAI	$1.006	61.98s
Lihat kartu model Total Tes 23 Tes Salah 1 Keandalan 9.7 Tingkat lulus per percobaan 95.7% Tes tidak stabil 0 Token input 183,607 Token output 5,741 Token penalaran 58,082 Waktu respons (rata-rata) 61.98s Waktu respons (total) 1425.65s Waktu respons (maks) 960.01s Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Lihat kartu model Total Tes 23 Tes Salah 1 Keandalan 9.6 Tingkat lulus per percobaan 95.7% Tes tidak stabil 0 Token input 181,223 Token output 5,707 Token penalaran 58,909 Waktu respons (rata-rata) 61.63s Waktu respons (total) 1417.51s Waktu respons (maks) 960.01s Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#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
#7#7	GPT-6 Astrahigh	9.9	OpenAI	$4.458	20.16s
Lihat kartu model Total Tes 23 Tes Salah 1 Keandalan 9.9 Tingkat lulus per percobaan 97.1% Tes tidak stabil 1 Token input 167,805 Token output 5,651 Token penalaran 49,944 Waktu respons (rata-rata) 20.16s Waktu respons (total) 463.68s Waktu respons (maks) 254.93s 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
#8#8	GPT-6 Astraxhigh	9.9	OpenAI	$6.213	29.67s
Lihat kartu model Total Tes 23 Tes Salah 1 Keandalan 9.9 Tingkat lulus per percobaan 97.1% Tes tidak stabil 1 Token input 170,731 Token output 5,865 Token penalaran 84,230 Waktu respons (rata-rata) 29.67s Waktu respons (total) 682.42s Waktu respons (maks) 381.11s 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
#435#435	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Lihat kartu model Total Tes 1 Tes Salah 0 Keandalan 10.0 Tingkat lulus per percobaan 4.4% Tes tidak stabil 0 Token input 134,050 Token output 1,029 Token penalaran 11,528 Waktu respons (rata-rata) 52.45s Waktu respons (total) 52.45s Waktu respons (maks) 52.45s Tugas agen : 10.0 Trik anti-AI : 0.0 Pemrograman : 0.0 Gabungan : 0.0 Parsing dan ekstraksi data : 0.0 Spesifik domain : 0.0 Kecerdasan umum : 0.0 Kepatuhan instruksi : 0.0 Pemecahan teka-teki : 0.0 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0
#442#442	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Lihat kartu model Total Tes 1 Tes Salah 0 Keandalan 10.0 Tingkat lulus per percobaan 4.4% Tes tidak stabil 0 Token input 73 Token output 6 Token penalaran 729 Waktu respons (rata-rata) 13.58s Waktu respons (total) 13.58s Waktu respons (maks) 13.58s Tugas agen : 0.0 Trik anti-AI : 0.0 Pemrograman : 0.0 Gabungan : 0.0 Parsing dan ekstraksi data : 0.0 Spesifik domain : 3.3 Kecerdasan umum : 0.0 Kepatuhan instruksi : 0.0 Pemecahan teka-teki : 0.0 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0

←

1 17 18

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