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: 2026-08-15 Model Dievaluasi: 287

Model rekomendasi

GPT-5.6 Sol high Cerdas Tingkat lulus per percobaan 89.4% Tes benar 18 / 22 Skor 9.4/10 GPT-5.6 Luna medium Cepat Waktu respons (rata-rata) 7.43s Total token output 44,525 Skor 7.4/10 DeepSeek V4 Flash 0731 high Terjangkau Harga input $0.140 / 1M Harga output $0.280 / 1M Skor 8.0/10

287/287

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#257#257	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 2 Token input 44,969 Token output 58,087 Token penalaran 0 Waktu respons (rata-rata) 14.73s Waktu respons (total) 220.93s Waktu respons (maks) 53.14s Kesalahan API: 4 Jawaban salah: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 6.5 Pemrograman : 1.5 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 3.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#256#256	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 6 Token input 42,845 Token output 2,006 Token penalaran 96,334 Waktu respons (rata-rata) 23.85s Waktu respons (total) 286.16s Waktu respons (maks) 121.79s Tidak mengikuti instruksi: 4 Jawaban salah: 4 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 8.7 Pemrograman : 7.8 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.8 Kecerdasan umum : 4.2 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#255#255	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Lihat kartu model Total Tes 18 Tes Salah 10 Keandalan T/A Tingkat lulus per percobaan 53.0% Tes tidak stabil 6 Token input 28,927 Token output 4,682 Token penalaran 17,969 Waktu respons (rata-rata) 10.33s Waktu respons (total) 175.58s Waktu respons (maks) 30.53s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Kedaluwarsa: 2 Kesalahan API: 1 Format tambahan: 1 Trik anti-AI : 7.3 Pemrograman : 9.8 Gabungan : 2.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 7.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 6.1 Pemanggilan alat : 10.0 Pengetahuan umum : 0.0
#254#254	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Lihat kartu model Total Tes 21 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 21.2% Tes tidak stabil 2 Token input 29,828 Token output 2,169 Token penalaran 0 Waktu respons (rata-rata) 2.98s Waktu respons (total) 56.57s Waktu respons (maks) 14.34s Jawaban salah: 12 Tidak mengikuti instruksi: 3 Kesalahan API: 2 Trik anti-AI : 3.1 Pemrograman : 3.7 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.5 Kepatuhan instruksi : 3.5 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#253#253	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 30.3% Tes tidak stabil 3 Token input 101,513 Token output 22,992 Token penalaran 0 Waktu respons (rata-rata) 8.81s Waktu respons (total) 140.88s Waktu respons (maks) 97.15s Jawaban salah: 14 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 5.2 Pemrograman : 4.3 Gabungan : 3.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 6.4 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#252#252	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 36.4% Tes tidak stabil 7 Token input 69,376 Token output 97,752 Token penalaran 0 Waktu respons (rata-rata) 12.46s Waktu respons (total) 274.11s Waktu respons (maks) 121.05s Jawaban salah: 13 Format tambahan: 3 Kesalahan API: 1 Trik anti-AI : 5.3 Pemrograman : 3.3 Gabungan : 3.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 2.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#251#251	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Lihat kartu model Total Tes 18 Tes Salah 10 Keandalan T/A Tingkat lulus per percobaan 48.5% Tes tidak stabil 5 Token input 721,952 Token output 294,668 Token penalaran 305,374 Waktu respons (rata-rata) 9.69s Waktu respons (total) 155.07s Waktu respons (maks) 35.28s Jawaban salah: 4 Kesalahan API: 2 Format tambahan: 2 Tidak mengikuti instruksi: 2 Trik anti-AI : 6.9 Pemrograman : 3.3 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 6.7 Pemanggilan alat : 3.0 Pengetahuan umum : 0.0
#250#250	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.624	75.86s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 39.4% Tes tidak stabil 8 Token input 101,776 Token output 276,367 Token penalaran 656,252 Waktu respons (rata-rata) 75.86s Waktu respons (total) 1668.93s Waktu respons (maks) 510.21s Jawaban salah: 10 Tidak mengikuti instruksi: 4 Pemanggilan alat tidak valid: 2 Tidak ada jawaban: 1 Trik anti-AI : 6.7 Pemrograman : 3.7 Gabungan : 3.0 Parsing dan ekstraksi data : 6.3 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 4.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#249#249	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 27.3% Tes tidak stabil 4 Token input 115,933 Token output 13,794 Token penalaran 0 Waktu respons (rata-rata) 2.56s Waktu respons (total) 56.37s Waktu respons (maks) 25.50s Jawaban salah: 15 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 3.5 Pemrograman : 4.6 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 3.8 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#248#248	Nemotron 3.5 Lightninglow	4.8	NVIDIA	$0.175 ↕	59.81s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 9.8 Tingkat lulus per percobaan 42.4% Tes tidak stabil 9 Token input 138,792 Token output 142,972 Token penalaran 522,202 Waktu respons (rata-rata) 59.81s Waktu respons (total) 1315.80s Waktu respons (maks) 312.21s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 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
#247#247	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 2 Token input 7,608 Token output 40,277 Token penalaran 0 Waktu respons (rata-rata) 51.99s Waktu respons (total) 831.90s Waktu respons (maks) 143.82s Kesalahan API: 6 Jawaban salah: 5 Tidak mengikuti instruksi: 2 Trik anti-AI : 9.2 Pemrograman : 5.3 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#246#246	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 9.2 Tingkat lulus per percobaan 27.3% Tes tidak stabil 2 Token input 63,528 Token output 6,432 Token penalaran 0 Waktu respons (rata-rata) 6.04s Waktu respons (total) 132.96s Waktu respons (maks) 20.00s Jawaban salah: 15 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 3.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.6 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.5 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#245#245	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.71s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 9.6 Tingkat lulus per percobaan 30.3% Tes tidak stabil 2 Token input 114,384 Token output 14,903 Token penalaran 0 Waktu respons (rata-rata) 10.71s Waktu respons (total) 214.28s Waktu respons (maks) 36.03s Jawaban salah: 9 Pemanggilan alat tidak valid: 3 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Trik anti-AI : 6.8 Pemrograman : 5.3 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 2.9 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#244#244	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan T/A Tingkat lulus per percobaan 40.9% Tes tidak stabil 0 Token input 32,639 Token output 1,153 Token penalaran 62,197 Waktu respons (rata-rata) 15.25s Waktu respons (total) 182.96s Waktu respons (maks) 43.55s Kesalahan API: 8 Jawaban salah: 2 Trik anti-AI : 8.3 Pemrograman : 9.8 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 3.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#243#243	GPT-4o-mininone	5.0	OpenAI	$0.010	1.92s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 22.7% Tes tidak stabil 0 Token input 53,145 Token output 2,913 Token penalaran 0 Waktu respons (rata-rata) 1.92s Waktu respons (total) 30.71s Waktu respons (maks) 7.58s Jawaban salah: 15 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 4.8 Pemrograman : 3.2 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#242#242	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 36.4% Tes tidak stabil 5 Token input 135,831 Token output 42,099 Token penalaran 0 Waktu respons (rata-rata) 17.89s Waktu respons (total) 393.53s Waktu respons (maks) 115.89s Jawaban salah: 8 Kesalahan API: 3 Format tambahan: 2 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.2 Pemrograman : 3.1 Gabungan : 4.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.0 Kecerdasan umum : 4.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#241#241	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Lihat kartu model Total Tes 22 Tes Salah 19 Keandalan 10.0 Tingkat lulus per percobaan 22.7% Tes tidak stabil 5 Token input 118,752 Token output 67,823 Token penalaran 383,885 Waktu respons (rata-rata) 85.34s Waktu respons (total) 1877.49s Waktu respons (maks) 814.73s Jawaban salah: 15 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 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
#240#240	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 9 Token input 114,527 Token output 18,558 Token penalaran 129,146 Waktu respons (rata-rata) 43.25s Waktu respons (total) 908.21s Waktu respons (maks) 196.21s Jawaban salah: 6 Tidak mengikuti instruksi: 5 Tidak ada jawaban: 2 Kedaluwarsa: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.9 Pemrograman : 5.7 Gabungan : 3.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.0 Kecerdasan umum : 3.9 Kepatuhan instruksi : 3.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#239#239	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 8.7 Tingkat lulus per percobaan 18.2% Tes tidak stabil 0 Token input 130,501 Token output 26,786 Token penalaran 0 Waktu respons (rata-rata) 29.95s Waktu respons (total) 658.83s Waktu respons (maks) 159.85s Jawaban salah: 12 Format tambahan: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Trik anti-AI : 3.0 Pemrograman : 3.9 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 3.9 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.5 Pemanggilan alat : 9.5 Pengetahuan umum : 3.0
#238#238	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Lihat kartu model Total Tes 21 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 30.3% Tes tidak stabil 2 Token input 32,525 Token output 1,815 Token penalaran 0 Waktu respons (rata-rata) 2.82s Waktu respons (total) 59.29s Waktu respons (maks) 8.21s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.0 Pemrograman : 3.9 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.2 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#237#237	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 19.7% Tes tidak stabil 1 Token input 144,416 Token output 37,484 Token penalaran 0 Waktu respons (rata-rata) 19.19s Waktu respons (total) 422.25s Waktu respons (maks) 382.06s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Trik anti-AI : 3.1 Pemrograman : 3.9 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#236#236	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 27.3% Tes tidak stabil 2 Token input 141,052 Token output 16,464 Token penalaran 0 Waktu respons (rata-rata) 4.68s Waktu respons (total) 103.02s Waktu respons (maks) 55.36s Jawaban salah: 14 Format tambahan: 1 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 3.5 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#235#235	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 25.8% Tes tidak stabil 1 Token input 134,227 Token output 11,808 Token penalaran 0 Waktu respons (rata-rata) 8.63s Waktu respons (total) 146.72s Waktu respons (maks) 45.14s Jawaban salah: 14 Format tambahan: 1 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 3.6 Pemrograman : 4.6 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#233#233	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 25.8% Tes tidak stabil 1 Token input 104,717 Token output 9,812 Token penalaran 0 Waktu respons (rata-rata) 1.20s Waktu respons (total) 26.41s Waktu respons (maks) 13.16s Jawaban salah: 16 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.4 Pemrograman : 3.7 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#234#234	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 43.9% Tes tidak stabil 8 Token input 140,559 Token output 40,268 Token penalaran 93,329 Waktu respons (rata-rata) 10.80s Waktu respons (total) 237.60s Waktu respons (maks) 59.15s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Tidak ada jawaban: 1 Trik anti-AI : 5.6 Pemrograman : 4.4 Gabungan : 3.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 3.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#232#232	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.195 ↕	70.11s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 9.9 Tingkat lulus per percobaan 48.5% Tes tidak stabil 11 Token input 126,330 Token output 165,702 Token penalaran 594,739 Waktu respons (rata-rata) 70.11s Waktu respons (total) 1542.52s Waktu respons (maks) 437.11s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 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
#231#231	Inklingnone	5.2	Thinkingmachines	$0.142 ↓	3.47s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 28.8% Tes tidak stabil 1 Token input 104,120 Token output 10,554 Token penalaran 0 Waktu respons (rata-rata) 3.47s Waktu respons (total) 76.28s Waktu respons (maks) 48.02s Jawaban salah: 13 Format tambahan: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 4.5 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.6 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#230#230	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Lihat kartu model Total Tes 22 Tes Salah 19 Keandalan 10.0 Tingkat lulus per percobaan 16.7% Tes tidak stabil 1 Token input 116,155 Token output 19,679 Token penalaran 0 Waktu respons (rata-rata) 3.53s Waktu respons (total) 77.68s Waktu respons (maks) 24.48s Jawaban salah: 15 Tidak mengikuti instruksi: 2 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.1 Pemrograman : 4.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 3.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#229#229	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.57s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 28.8% Tes tidak stabil 5 Token input 93,990 Token output 45,905 Token penalaran 0 Waktu respons (rata-rata) 5.57s Waktu respons (total) 111.32s Waktu respons (maks) 39.54s Jawaban salah: 13 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 3.6 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 3.2 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#228#228	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Lihat kartu model Total Tes 16 Tes Salah 3 Keandalan T/A Tingkat lulus per percobaan 59.1% Tes tidak stabil 0 Token input 28,980 Token output 1,283 Token penalaran 1,533,310 Waktu respons (rata-rata) 68.14s Waktu respons (total) 1090.28s Waktu respons (maks) 280.52s Jawaban salah: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 7.5 Pemrograman : 0.0 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 0.0

Perbandingan Cepat

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Leaderboard AI Benchy

Model rekomendasi

Filter model

Perbandingan Cepat