AI BENCHY

Leaderboard Benchmark AI

Name: Hasil Benchmark Model AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-10 Model Dievaluasi: 144

144/144

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#84#84	Gemma 4 26B A4Bnone	6.3	Google	$0.005	6.28s
Lihat kartu model Total Tes 19 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 49.1% Tes tidak stabil 2 Token output 1,796 Token penalaran 0 Waktu respons (rata-rata) 6.28s Waktu respons (total) 119.39s Waktu respons (maks) 57.10s Jawaban salah: 8 Tidak mengikuti instruksi: 2 Kedaluwarsa: 1 Trik anti-AI : 8.3 Pemrograman : 4.7 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
#83#83	Gemini 2.5 Flashnone	6.3	Google	$0.013	916ms
Lihat kartu model Total Tes 19 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 49.1% Tes tidak stabil 2 Token output 1,738 Token penalaran 0 Waktu respons (rata-rata) 916ms Waktu respons (total) 17.41s Waktu respons (maks) 4.39s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.0 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 6.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#82#82	Mercury 2medium	6.3	Inception	$0.050	2.23s
Lihat kartu model Total Tes 19 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 50.9% Tes tidak stabil 3 Token output 3,994 Token penalaran 52,081 Waktu respons (rata-rata) 2.23s Waktu respons (total) 40.10s Waktu respons (maks) 14.63s Jawaban salah: 8 Tidak mengikuti instruksi: 3 Trik anti-AI : 6.9 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 3.8 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#81#81	MiMo-V2-Omninone	6.3	Xiaomi	$0.020	2.37s
Lihat kartu model Total Tes 19 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 43.9% Tes tidak stabil 1 Token output 2,254 Token penalaran 0 Waktu respons (rata-rata) 2.37s Waktu respons (total) 45.03s Waktu respons (maks) 6.81s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.6 Pemrograman : 6.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.1 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#80#80	GLM 5none	6.5	Z.ai	$0.020	4.18s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 49.1% Tes tidak stabil 1 Token output 1,972 Token penalaran 0 Waktu respons (rata-rata) 4.18s Waktu respons (total) 50.12s Waktu respons (maks) 11.07s Jawaban salah: 10 Trik anti-AI : 4.8 Pemrograman : 5.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#79#79	Grok 4.1 Fastmedium	6.5	X AI	$0.058	24.01s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 61.4% Tes tidak stabil 6 Token output 2,025 Token penalaran 96,679 Waktu respons (rata-rata) 24.01s Waktu respons (total) 288.18s Waktu respons (maks) 121.79s Tidak mengikuti instruksi: 4 Jawaban salah: 4 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 8.7 Pemrograman : 2.3 Gabungan : 10.0 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
#78#78	Qwen3.5 Plus 2026-02-15none	6.5	Qwen	$0.017	2.49s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 50.9% Tes tidak stabil 2 Token output 2,472 Token penalaran 0 Waktu respons (rata-rata) 2.49s Waktu respons (total) 32.33s Waktu respons (maks) 6.65s Jawaban salah: 10 Trik anti-AI : 4.8 Pemrograman : 6.3 Gabungan : 3.0 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
#77#77	Laguna Xs.2medium	6.6	Poolside	$0.000	6.74s
Lihat kartu model Total Tes 19 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 64.5% Tes tidak stabil 6 Token output 54,284 Token penalaran 0 Waktu respons (rata-rata) 6.74s Waktu respons (total) 101.08s Waktu respons (maks) 29.11s Jawaban salah: 6 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.2 Pemrograman : 6.3 Gabungan : 3.0 Parsing dan ekstraksi data : 7.1 Spesifik domain : 4.1 Kecerdasan umum : 0.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.5 Pemanggilan alat : 4.7 Pengetahuan umum : 0.0
#76#76	Grok 4.20 Multi Agent Betamedium	6.6	X AI	$5.074	9.80s
Lihat kartu model Total Tes 18 Tes Salah 10 Keandalan T/A Tingkat lulus per percobaan 63.0% Tes tidak stabil 6 Token output 299,034 Token penalaran 309,670 Waktu respons (rata-rata) 9.80s Waktu respons (total) 156.75s Waktu respons (maks) 35.28s Jawaban salah: 4 Kesalahan API: 2 Format tambahan: 2 Tidak mengikuti instruksi: 2 Trik anti-AI : 6.9 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.2 Pemanggilan alat : 3.0
#75#75	Gemini 3.1 Flash Litenone	6.7	Google	$0.012	1.11s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 57.9% Tes tidak stabil 4 Token output 2,454 Token penalaran 0 Waktu respons (rata-rata) 1.11s Waktu respons (total) 21.13s Waktu respons (maks) 2.97s Jawaban salah: 9 Tidak mengikuti instruksi: 1 Trik anti-AI : 7.5 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#74#74	GPT-5.5none	6.7	OpenAI	$0.197	1.99s
Lihat kartu model Total Tes 19 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 59.7% Tes tidak stabil 3 Token output 1,928 Token penalaran 0 Waktu respons (rata-rata) 1.99s Waktu respons (total) 37.87s Waktu respons (maks) 5.56s Jawaban salah: 9 Trik anti-AI : 6.9 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#73#73	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
Lihat kartu model Total Tes 18 Tes Salah 10 Keandalan T/A Tingkat lulus per percobaan 64.8% Tes tidak stabil 6 Token output 4,724 Token penalaran 17,921 Waktu respons (rata-rata) 10.33s Waktu respons (total) 175.60s 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 : 3.0 Gabungan : 4.7 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
#72#72	Qwen3.6 27Bmedium	6.8	Qwen	$0.229	52.13s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 61.4% Tes tidak stabil 5 Token output 8,680 Token penalaran 96,890 Waktu respons (rata-rata) 52.13s Waktu respons (total) 990.48s Waktu respons (maks) 168.22s Jawaban salah: 6 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 7.0 Parsing dan ekstraksi data : 3.5 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#71#71	Kimi K2.5medium	6.8	Moonshot AI	$0.236	73.39s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 68.4% Tes tidak stabil 7 Token output 42,188 Token penalaran 92,514 Waktu respons (rata-rata) 73.39s Waktu respons (total) 880.65s Waktu respons (maks) 150.77s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Kedaluwarsa: 2 Tidak ada jawaban: 1 Trik anti-AI : 7.3 Pemrograman : 4.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#70#70	Gemini 3.1 Flash Liteminimal	6.8	Google	$0.012	1.41s
Lihat kartu model Total Tes 19 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 59.7% Tes tidak stabil 3 Token output 2,457 Token penalaran 0 Waktu respons (rata-rata) 1.41s Waktu respons (total) 26.72s Waktu respons (maks) 4.49s Jawaban salah: 6 Tidak mengikuti instruksi: 3 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#69#69	GPT-5 Minimedium	6.8	OpenAI	$0.132	23.24s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 57.9% Tes tidak stabil 3 Token output 6,539 Token penalaran 55,338 Waktu respons (rata-rata) 23.24s Waktu respons (total) 441.55s Waktu respons (maks) 88.15s Jawaban salah: 5 Tidak mengikuti instruksi: 4 Kedaluwarsa: 1 Trik anti-AI : 7.1 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.5 Kepatuhan instruksi : 7.9 Pemecahan teka-teki : 5.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#68#68	Grok 4.20medium	6.9	X AI	$0.756	14.53s
Lihat kartu model Total Tes 19 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.2% Tes tidak stabil 4 Token output 1,784 Token penalaran 128,233 Waktu respons (rata-rata) 14.53s Waktu respons (total) 276.06s Waktu respons (maks) 63.48s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.2 Pemrograman : 4.3 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 3.9 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 7.7 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#67#67	DeepSeek V4 Prohigh	6.9	DeepSeek	$0.212	58.93s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 9.3 Tingkat lulus per percobaan 70.2% Tes tidak stabil 4 Token output 12,211 Token penalaran 53,774 Waktu respons (rata-rata) 58.93s Waktu respons (total) 1119.75s Waktu respons (maks) 358.35s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 7.4 Pemrograman : 2.6 Gabungan : 10.0 Parsing dan ekstraksi data : 8.8 Spesifik domain : 3.0 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#66#66	Gemma 4 31Bnone	6.9	Google	$0.003	3.86s
Lihat kartu model Total Tes 19 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 52.6% Tes tidak stabil 0 Token output 1,371 Token penalaran 0 Waktu respons (rata-rata) 3.86s Waktu respons (total) 65.57s Waktu respons (maks) 26.13s Jawaban salah: 6 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.5 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 6.5 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#65#65	Laguna M.1medium	6.9	Poolside	$0.000	14.38s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 64.4% Tes tidak stabil 3 Token output 56,620 Token penalaran 0 Waktu respons (rata-rata) 14.38s Waktu respons (total) 215.70s Waktu respons (maks) 53.14s Jawaban salah: 4 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 7.7 Pemrograman : 4.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 0.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 3.8 Pemanggilan alat : 10.0 Pengetahuan umum : 0.0
#64#64	MiMo-V2-Omnimedium	7.2	Xiaomi	$0.451	27.58s
Lihat kartu model Total Tes 19 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 59.7% Tes tidak stabil 2 Token output 1,925 Token penalaran 216,652 Waktu respons (rata-rata) 27.58s Waktu respons (total) 524.03s Waktu respons (maks) 234.19s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 4.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.4 Kepatuhan instruksi : 8.3 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#63#63	Claude Sonnet 4.6none	7.2	Anthropic	$0.269	4.96s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 61.4% Tes tidak stabil 1 Token output 7,864 Token penalaran 0 Waktu respons (rata-rata) 4.96s Waktu respons (total) 59.50s Waktu respons (maks) 23.84s Jawaban salah: 4 Format tambahan: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 4.8 Pemrograman : 10.0 Gabungan : 9.5 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
#62#62	GPT-5.4 Minimedium	7.2	OpenAI	$0.345	16.00s
Lihat kartu model Total Tes 19 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 68.4% Tes tidak stabil 5 Token output 2,163 Token penalaran 69,741 Waktu respons (rata-rata) 16.00s Waktu respons (total) 303.99s Waktu respons (maks) 102.91s Jawaban salah: 5 Tidak mengikuti instruksi: 4 Trik anti-AI : 8.6 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 4.5 Kepatuhan instruksi : 7.4 Pemecahan teka-teki : 7.8 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#61#61	DeepSeek V3.2medium	7.2	DeepSeek	$0.031	46.06s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 72.8% Tes tidak stabil 6 Token output 7,035 Token penalaran 53,765 Waktu respons (rata-rata) 46.06s Waktu respons (total) 875.23s Waktu respons (maks) 180.92s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Kedaluwarsa: 2 Trik anti-AI : 9.2 Pemrograman : 4.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 3.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#60#60	GPT-5.2medium	7.2	OpenAI	$0.397	15.22s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.4% Tes tidak stabil 4 Token output 2,731 Token penalaran 22,200 Waktu respons (rata-rata) 15.22s Waktu respons (total) 182.59s Waktu respons (maks) 77.80s Tidak mengikuti instruksi: 3 Jawaban salah: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 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 : 7.6 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#59#59	Qwen3.5-35B-A3Bmedium	7.2	Qwen	$0.481	51.50s
Lihat kartu model Total Tes 19 Tes Salah 9 Keandalan 6.7 Tingkat lulus per percobaan 75.4% Tes tidak stabil 7 Token output 21,056 Token penalaran 280,814 Waktu respons (rata-rata) 51.50s Waktu respons (total) 978.57s Waktu respons (maks) 177.35s Kedaluwarsa: 4 Jawaban salah: 3 Kesalahan API: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 4.7 Parsing dan ekstraksi data : 7.3 Spesifik domain : 4.1 Kecerdasan umum : 2.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#58#58	Seed-2.0-Minimedium	7.2	Bytedance Seed	$0.038	68.89s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 3.3 Tingkat lulus per percobaan 63.2% Tes tidak stabil 2 Token output 2,469 Token penalaran 81,017 Waktu respons (rata-rata) 68.89s Waktu respons (total) 1102.23s Waktu respons (maks) 262.83s Kedaluwarsa: 4 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.6 Pemrograman : 10.0 Gabungan : 10.0 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
#57#57	Ring 2.6 1tnone	7.2	Inclusionai	$0.000	55.10s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 9.8 Tingkat lulus per percobaan 62.5% Tes tidak stabil 2 Token output 39,954 Token penalaran 0 Waktu respons (rata-rata) 55.10s Waktu respons (total) 881.55s Waktu respons (maks) 143.82s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Trik anti-AI : 9.2 Pemrograman : 10.0 Gabungan : 0.0 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 : 0.0 Pengetahuan umum : 3.0
#55#55	Ring 2.6 1tmedium	7.2	Inclusionai	$0.000	61.29s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 9.9 Tingkat lulus per percobaan 66.7% Tes tidak stabil 3 Token output 21,752 Token penalaran 42,754 Waktu respons (rata-rata) 61.29s Waktu respons (total) 1164.50s Waktu respons (maks) 304.19s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.5 Kecerdasan umum : 4.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#56#56	MiMo-V2-Flashmedium	7.2	Xiaomi	$0.038	21.71s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 3 Token output 12,399 Token penalaran 115,182 Waktu respons (rata-rata) 21.71s Waktu respons (total) 282.29s Waktu respons (maks) 96.01s Jawaban salah: 4 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Trik anti-AI : 8.1 Pemrograman : 4.7 Gabungan : 9.8 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.9 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0

Perbandingan Cepat

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumTersedia gratis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Leaderboard Benchmark AI

Filter model

Perbandingan Cepat