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)
#107#107	Gemma 4 31Bmedium	6.3	Google	$0.107 ↓	75.38s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 2 Token input 94,992 Token output 34,468 Token penalaran 223,278 Waktu respons (rata-rata) 75.38s Waktu respons (total) 1507.52s Waktu respons (maks) 437.40s Kesalahan API: 2 Kedaluwarsa: 2 Jawaban salah: 2 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 4.3 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.9 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#126#126	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 9.2 Tingkat lulus per percobaan 51.5% Tes tidak stabil 1 Token input 65,707 Token output 108,561 Token penalaran 293,993 Waktu respons (rata-rata) 174.22s Waktu respons (total) 2613.32s Waktu respons (maks) 1597.85s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Kesalahan API: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 2.4 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 8.3 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#124#124	GPT-5 Nanomedium	6.1	OpenAI	$0.114	54.87s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 56.1% Tes tidak stabil 8 Token input 94,935 Token output 12,042 Token penalaran 261,056 Waktu respons (rata-rata) 54.87s Waktu respons (total) 822.99s Waktu respons (maks) 227.89s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 6.5 Pemrograman : 7.0 Gabungan : 6.4 Parsing dan ekstraksi data : 3.7 Spesifik domain : 5.2 Kecerdasan umum : 4.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#63#63	Gemini 3.1 Flash Lite Previewmedium	7.3	Google	$0.115	4.61s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 0 Token input 117,480 Token output 10,589 Token penalaran 46,394 Waktu respons (rata-rata) 4.61s Waktu respons (total) 101.39s Waktu respons (maks) 18.34s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 9.1 Pemrograman : 5.5 Gabungan : 7.2 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
#64#64	Gemini 3.1 Flash Litemedium	7.3	Google	$0.117	4.27s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 62.1% Tes tidak stabil 2 Token input 104,918 Token output 9,168 Token penalaran 51,130 Waktu respons (rata-rata) 4.27s Waktu respons (total) 94.02s Waktu respons (maks) 26.22s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 9.1 Pemrograman : 5.5 Gabungan : 7.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#122#122	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.56s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 43.9% Tes tidak stabil 4 Token input 94,468 Token output 51,487 Token penalaran 0 Waktu respons (rata-rata) 13.56s Waktu respons (total) 298.31s Waktu respons (maks) 206.05s Jawaban salah: 12 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 3.9 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#151#151	Kimi K2.5none	5.5	Moonshot AI	$0.127 ↑	19.15s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 4 Token input 89,322 Token output 26,638 Token penalaran 0 Waktu respons (rata-rata) 19.15s Waktu respons (total) 287.30s Waktu respons (maks) 102.83s Jawaban salah: 15 Tidak ada jawaban: 1 Trik anti-AI : 3.6 Pemrograman : 5.5 Gabungan : 2.8 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#53#53	GPT-5.4 Nanomedium	7.5	OpenAI	$0.138	13.24s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 4 Token input 82,819 Token output 7,100 Token penalaran 90,022 Waktu respons (rata-rata) 13.24s Waktu respons (total) 291.33s Waktu respons (maks) 94.06s Jawaban salah: 8 Tidak mengikuti instruksi: 2 Trik anti-AI : 8.3 Pemrograman : 6.1 Gabungan : 9.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 4.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#110#110	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 6 Token input 118,499 Token output 12,284 Token penalaran 490,610 Waktu respons (rata-rata) 84.82s Waktu respons (total) 1781.22s Waktu respons (maks) 515.38s Jawaban salah: 4 Kedaluwarsa: 3 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 3.7 Gabungan : 6.4 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#155#155	GPT-5.6 Lunanone	5.4	OpenAI	$0.142	1.50s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 3 Token input 101,323 Token output 6,709 Token penalaran 0 Waktu respons (rata-rata) 1.50s Waktu respons (total) 32.91s Waktu respons (maks) 10.57s Jawaban salah: 14 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 3.8 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 7.1 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#160#160	Inklingnone	5.2	Thinkingmachines	$0.147	3.50s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 9.9 Tingkat lulus per percobaan 28.8% Tes tidak stabil 1 Token input 104,111 Token output 10,551 Token penalaran 0 Waktu respons (rata-rata) 3.50s Waktu respons (total) 77.09s 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
#168#168	MiniMax M2.7medium	5.0	Minimax	$0.163 ↓	41.28s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 9 Token input 114,518 Token output 18,558 Token penalaran 119,036 Waktu respons (rata-rata) 41.28s Waktu respons (total) 866.81s 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
#147#147	GLM 5.1none	5.5	Z.ai	$0.164 ↓	6.70s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 40.9% Tes tidak stabil 5 Token input 124,209 Token output 14,393 Token penalaran 0 Waktu respons (rata-rata) 6.70s Waktu respons (total) 147.38s Waktu respons (maks) 61.20s Jawaban salah: 13 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 4.0 Pemrograman : 3.9 Gabungan : 2.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#190#190	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 7.8 Tingkat lulus per percobaan 31.8% Tes tidak stabil 8 Token input 79,051 Token output 43,754 Token penalaran 374,109 Waktu respons (rata-rata) 142.59s Waktu respons (total) 1996.21s Waktu respons (maks) 1539.97s Jawaban salah: 9 Tidak ada jawaban: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Kedaluwarsa: 2 Trik anti-AI : 4.7 Pemrograman : 3.2 Gabungan : 2.9 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.5 Kecerdasan umum : 3.6 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 2.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#60#60	Gemini 3 Flash Previewlow	7.4	Google	$0.177	6.28s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 75.8% Tes tidak stabil 2 Token input 123,684 Token output 9,572 Token penalaran 28,518 Waktu respons (rata-rata) 6.28s Waktu respons (total) 138.06s Waktu respons (maks) 17.13s Jawaban salah: 6 Trik anti-AI : 10.0 Pemrograman : 5.8 Gabungan : 3.0 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 : 10.0
#119#119	Inklinglow	6.1	Thinkingmachines	$0.187	5.15s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 9.9 Tingkat lulus per percobaan 54.6% Tes tidak stabil 4 Token input 109,884 Token output 8,579 Token penalaran 10,343 Waktu respons (rata-rata) 5.15s Waktu respons (total) 113.39s Waktu respons (maks) 41.58s Jawaban salah: 8 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Trik anti-AI : 8.3 Pemrograman : 5.1 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 6.4 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#83#83	MiMo-V2.5-Promedium	6.9	Xiaomi	$0.187 ↓	33.92s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 139,883 Token output 15,521 Token penalaran 130,992 Waktu respons (rata-rata) 33.92s Waktu respons (total) 746.19s Waktu respons (maks) 197.54s Format tambahan: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 6.9 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#59#59	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.52s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 9.9 Tingkat lulus per percobaan 68.2% Tes tidak stabil 0 Token input 95,983 Token output 12,446 Token penalaran 0 Waktu respons (rata-rata) 4.52s Waktu respons (total) 99.52s Waktu respons (maks) 72.30s Jawaban salah: 7 Trik anti-AI : 6.5 Pemrograman : 5.5 Gabungan : 6.5 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
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 6 Token input 90,748 Token output 10,462 Token penalaran 178,719 Waktu respons (rata-rata) 79.14s Waktu respons (total) 1740.97s Waktu respons (maks) 416.76s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Format tambahan: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 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
#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
#134#134	Kimi K2.6none	5.8	Moonshot AI	$0.233 ↑	19.58s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 2 Token input 116,970 Token output 30,253 Token penalaran 0 Waktu respons (rata-rata) 19.58s Waktu respons (total) 430.85s Waktu respons (maks) 238.89s Jawaban salah: 11 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Trik anti-AI : 4.6 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#35#35	Seed-2.0-Litemedium	7.9	Bytedance Seed	$0.234	48.53s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 74.2% Tes tidak stabil 4 Token input 129,897 Token output 12,533 Token penalaran 88,047 Waktu respons (rata-rata) 48.53s Waktu respons (total) 1067.74s Waktu respons (maks) 254.92s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 8.0 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 6.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#26#26	GPT-5 Minimedium	8.1	OpenAI	$0.237	27.63s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 3 Token input 98,374 Token output 14,434 Token penalaran 91,498 Waktu respons (rata-rata) 27.63s Waktu respons (total) 607.92s Waktu respons (maks) 111.48s Jawaban salah: 5 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 7.1 Pemrograman : 10.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#138#138	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.92s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 33.3% Tes tidak stabil 2 Token input 241,566 Token output 88,458 Token penalaran 0 Waktu respons (rata-rata) 12.92s Waktu respons (total) 284.21s Waktu respons (maks) 212.63s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 3.7 Gabungan : 5.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.8 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#113#113	GPT-5.6 Lunalow	6.2	OpenAI	$0.249	5.04s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 56.1% Tes tidak stabil 5 Token input 96,346 Token output 8,211 Token penalaran 17,227 Waktu respons (rata-rata) 5.04s Waktu respons (total) 110.88s Waktu respons (maks) 19.44s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 2.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.0 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#36#36	Qwen3.7 Plusmedium	7.9	Qwen	$0.267 ↓	51.51s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 75.8% Tes tidak stabil 3 Token input 115,233 Token output 6,162 Token penalaran 173,267 Waktu respons (rata-rata) 51.51s Waktu respons (total) 1133.15s Waktu respons (maks) 315.30s Jawaban salah: 5 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 6.1 Gabungan : 8.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#47#47	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 9.7 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 121,990 Token output 77,916 Token penalaran 173,553 Waktu respons (rata-rata) 74.98s Waktu respons (total) 1574.56s Waktu respons (maks) 431.03s Kedaluwarsa: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 5.5 Pemrograman : 6.1 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.5 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#31#31	GLM 5.2high	8.0	Z.ai	$0.296 ↓	62.65s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 3 Token input 83,813 Token output 69,688 Token penalaran 225,659 Waktu respons (rata-rata) 62.65s Waktu respons (total) 1378.34s Waktu respons (maks) 599.43s Kedaluwarsa: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.4 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#87#87	Gemini 3.5 Flashminimal	6.8	Google	$0.300	2.65s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 1 Token input 100,753 Token output 16,454 Token penalaran 0 Waktu respons (rata-rata) 2.65s Waktu respons (total) 58.27s Waktu respons (maks) 25.26s Jawaban salah: 5 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.5 Pemrograman : 5.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 10.0 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#69#69	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 9.6 Tingkat lulus per percobaan 63.6% Tes tidak stabil 2 Token input 42,097 Token output 2,280 Token penalaran 166,613 Waktu respons (rata-rata) 46.36s Waktu respons (total) 973.57s Waktu respons (maks) 189.38s Jawaban salah: 8 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.9 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 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