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: 2026-07-18 Model Dievaluasi: 206

206/206

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#39#39	GPT-5.6 Terramedium	7.8	OpenAI	$0.676	7.11s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 2 Token input 79,175 Token output 4,878 Token penalaran 26,952 Waktu respons (rata-rata) 7.11s Waktu respons (total) 156.42s Waktu respons (maks) 41.68s Jawaban salah: 8 Trik anti-AI : 8.3 Pemrograman : 6.1 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#50#50	GPT-5.6 Lunamedium	7.6	OpenAI	$0.352	7.28s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 1 Token input 89,676 Token output 5,699 Token penalaran 37,980 Waktu respons (rata-rata) 7.28s Waktu respons (total) 160.27s Waktu respons (maks) 29.85s Jawaban salah: 8 Trik anti-AI : 8.3 Pemrograman : 5.4 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.8 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#15#15	Claude Opus 4.7medium	8.7	Anthropic	$1.477	7.61s
Lihat kartu model Total Tes 22 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 83.3% Tes tidak stabil 1 Token input 145,252 Token output 24,948 Token penalaran 5,042 Waktu respons (rata-rata) 7.61s Waktu respons (total) 159.91s Waktu respons (maks) 65.40s Jawaban salah: 3 Kedaluwarsa: 1 Trik anti-AI : 8.3 Pemrograman : 7.6 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 : 3.0
#152#152	Gemma 4 26B A4Bnone	5.5	Google	$0.018 ↓	7.64s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 2 Token input 131,282 Token output 15,781 Token penalaran 0 Waktu respons (rata-rata) 7.64s Waktu respons (total) 167.98s Waktu respons (maks) 57.10s Jawaban salah: 10 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Trik anti-AI : 8.3 Pemrograman : 3.7 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 6.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#30#30	GPT-5.2 Chatnone	8.0	OpenAI	$0.604	7.65s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 74.2% Tes tidak stabil 4 Token input 101,248 Token output 30,424 Token penalaran 0 Waktu respons (rata-rata) 7.65s Waktu respons (total) 168.39s Waktu respons (maks) 38.52s Jawaban salah: 6 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 8.8 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#95#95	Qwen3.6 Max Previewnone	6.6	Qwen	$0.231 ↓	7.82s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 9.9 Tingkat lulus per percobaan 60.6% Tes tidak stabil 2 Token input 106,339 Token output 19,257 Token penalaran 0 Waktu respons (rata-rata) 7.82s Waktu respons (total) 172.01s Waktu respons (maks) 102.62s Jawaban salah: 10 Trik anti-AI : 5.2 Pemrograman : 3.8 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#62#62	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	8.12s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 1 Token input 123,264 Token output 19,362 Token penalaran 0 Waktu respons (rata-rata) 8.12s Waktu respons (total) 121.78s Waktu respons (maks) 51.18s Jawaban salah: 5 Format tambahan: 4 Tidak mengikuti instruksi: 1 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 6.1 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#9#9	Gemini 3.5 Flashmedium	9.1	Google	$0.642	8.20s
Lihat kartu model Total Tes 22 Tes Salah 3 Keandalan 10.0 Tingkat lulus per percobaan 87.9% Tes tidak stabil 1 Token input 69,747 Token output 2,166 Token penalaran 57,436 Waktu respons (rata-rata) 8.20s Waktu respons (total) 180.47s Waktu respons (maks) 76.68s Jawaban salah: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 7.9 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#145#145	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.42s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 9.9 Tingkat lulus per percobaan 45.5% Tes tidak stabil 3 Token input 51,472 Token output 7,822 Token penalaran 58,352 Waktu respons (rata-rata) 8.42s Waktu respons (total) 185.24s Waktu respons (maks) 48.19s Jawaban salah: 11 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.7 Pemrograman : 3.6 Gabungan : 6.5 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#158#158	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.58s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 18.2% Tes tidak stabil 0 Token input 106,414 Token output 11,555 Token penalaran 0 Waktu respons (rata-rata) 8.58s Waktu respons (total) 163.06s Waktu respons (maks) 25.72s Jawaban salah: 12 Kesalahan API: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.4 Pemrograman : 3.8 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 3.1 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#3🥉 #3	GPT-5.6 Sollow	9.5	OpenAI	$0.971	8.79s
Lihat kartu model Total Tes 22 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 86.4% Tes tidak stabil 2 Token input 78,571 Token output 4,476 Token penalaran 14,770 Waktu respons (rata-rata) 8.79s Waktu respons (total) 193.33s Waktu respons (maks) 53.91s Jawaban salah: 4 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 : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#129#129	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan T/A Tingkat lulus per percobaan 63.6% 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 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
#162#162	Qwen3 Coder Nextnone	5.1	Qwen	$0.025 ↓	9.12s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 25.8% Tes tidak stabil 1 Token input 134,218 Token output 11,808 Token penalaran 0 Waktu respons (rata-rata) 9.12s Waktu respons (total) 145.94s 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
#172#172	GLM 4.7 Flashnone	4.9	Z.ai	$0.016	9.15s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 3 Token input 101,504 Token output 22,992 Token penalaran 0 Waktu respons (rata-rata) 9.15s Waktu respons (total) 137.18s Waktu respons (maks) 97.15s Jawaban salah: 13 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 : 7.7 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 6.4 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#94#94	GLM 5.2none	6.6	Z.ai	$0.047 ↓	9.34s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 2 Token input 112,359 Token output 14,340 Token penalaran 0 Waktu respons (rata-rata) 9.34s Waktu respons (total) 205.46s Waktu respons (maks) 79.65s Jawaban salah: 8 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 3.7 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#183#183	Qwen3 Coder Nextmedium	4.7	Qwen	$0.032 ↓	9.61s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 27.3% Tes tidak stabil 3 Token input 148,194 Token output 19,069 Token penalaran 0 Waktu respons (rata-rata) 9.61s Waktu respons (total) 153.69s Waktu respons (maks) 81.80s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 3.5 Pemrograman : 3.7 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 6.3 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#177#177	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
#127#127	Grok 4.20 Betamedium	6.0	X AI	$0.750 ↑	9.75s
Lihat kartu model Total Tes 18 Tes Salah 4 Keandalan T/A Tingkat lulus per percobaan 66.7% Tes tidak stabil 1 Token input 35,955 Token output 1,647 Token penalaran 91,565 Waktu respons (rata-rata) 9.75s Waktu respons (total) 175.48s Waktu respons (maks) 31.36s Jawaban salah: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.7 Pemrograman : 3.3 Gabungan : 5.0 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 : 3.0 Pengetahuan umum : 0.0
#104#104	Qwen3.5 Plus 2026-02-15none	6.4	Qwen	$0.073 ↓	9.85s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 48.5% Tes tidak stabil 2 Token input 102,646 Token output 29,370 Token penalaran 0 Waktu respons (rata-rata) 9.85s Waktu respons (total) 157.63s Waktu respons (maks) 123.00s Jawaban salah: 12 Trik anti-AI : 4.8 Pemrograman : 4.3 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#144#144	Owl Alphanone	5.6	Openrouter	$0.000	9.88s
Lihat kartu model Total Tes 21 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 1 Token input 42,283 Token output 5,913 Token penalaran 0 Waktu respons (rata-rata) 9.88s Waktu respons (total) 207.38s Waktu respons (maks) 47.10s Jawaban salah: 10 Tidak mengikuti instruksi: 3 Format tambahan: 1 Trik anti-AI : 3.4 Pemrograman : 5.6 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#78#78	Gemini 3.5 Flashnone	7.0	Google	$1.079	9.93s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 74.2% Tes tidak stabil 3 Token input 13,843 Token output 117,518 Token penalaran 0 Waktu respons (rata-rata) 9.93s Waktu respons (total) 178.68s Waktu respons (maks) 64.36s Kesalahan API: 4 Jawaban salah: 3 Trik anti-AI : 10.0 Pemrograman : 8.8 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 7.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 2.8
#154#154	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.041	10.09s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 9.9 Tingkat lulus per percobaan 45.5% Tes tidak stabil 7 Token input 61,085 Token output 5,905 Token penalaran 46,990 Waktu respons (rata-rata) 10.09s Waktu respons (total) 222.03s Waktu respons (maks) 86.23s Jawaban salah: 7 Format tambahan: 4 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Trik anti-AI : 7.3 Pemrograman : 3.5 Gabungan : 6.4 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#6#6	GPT-5.5low	9.3	OpenAI	$1.253	10.13s
Lihat kartu model Total Tes 22 Tes Salah 3 Keandalan 10.0 Tingkat lulus per percobaan 86.4% Tes tidak stabil 0 Token input 80,058 Token output 5,378 Token penalaran 23,040 Waktu respons (rata-rata) 10.13s Waktu respons (total) 222.82s Waktu respons (maks) 56.19s Jawaban salah: 3 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 : 9.9 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#180#180	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
#148#148	Qwen3.6 27Bnone	5.5	Qwen	$0.087 ↑	10.65s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 6 Token input 95,796 Token output 16,155 Token penalaran 0 Waktu respons (rata-rata) 10.65s Waktu respons (total) 234.39s Waktu respons (maks) 156.31s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Trik anti-AI : 3.8 Pemrograman : 5.5 Gabungan : 3.2 Parsing dan ekstraksi data : 7.3 Spesifik domain : 7.7 Kecerdasan umum : 5.2 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 5.3 Pemanggilan alat : 9.5 Pengetahuan umum : 3.0
#174#174	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.68s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 30.3% Tes tidak stabil 2 Token input 114,375 Token output 14,903 Token penalaran 0 Waktu respons (rata-rata) 10.68s Waktu respons (total) 213.51s 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
#163#163	Mistral Small 4medium	5.1	Mistral	$0.096	10.77s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 8 Token input 140,494 Token output 39,462 Token penalaran 92,362 Waktu respons (rata-rata) 10.77s Waktu respons (total) 236.94s Waktu respons (maks) 59.15s Jawaban salah: 12 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 5.6 Pemrograman : 4.4 Gabungan : 3.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 3.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#34#34	GPT-5.6 Terrahigh	8.0	OpenAI	$1.055	11.32s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 2 Token input 81,047 Token output 5,055 Token penalaran 51,736 Waktu respons (rata-rata) 11.32s Waktu respons (total) 249.14s Waktu respons (maks) 91.49s Jawaban salah: 7 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 7.6 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#4#4	GPT-5.6 Solmedium	9.4	OpenAI	$1.316	11.35s
Lihat kartu model Total Tes 22 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 90.9% Tes tidak stabil 3 Token input 78,997 Token output 4,696 Token penalaran 26,002 Waktu respons (rata-rata) 11.35s Waktu respons (total) 249.73s Waktu respons (maks) 79.40s Jawaban salah: 4 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 4.7
#24#24	Muse Spark 1.1low	8.3	Meta	$0.647	11.45s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 4 Token input 142,298 Token output 10,847 Token penalaran 99,467 Waktu respons (rata-rata) 11.45s Waktu respons (total) 251.92s Waktu respons (maks) 54.15s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.9 Pemrograman : 10.0 Gabungan : 6.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 8.3 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0

←

1 2 3 4 5 6 7

→

Perbandingan Cepat

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumTersedia gratis Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumTersedia gratis Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

Leaderboard AI Benchy

Filter model

Perbandingan Cepat