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)
#197#197	GLM 5none	5.7	Z.ai	$0.027 ↑	4.03s
Lihat kartu model Total Tes 21 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 1 Token input 37,135 Token output 1,989 Token penalaran 0 Waktu respons (rata-rata) 4.03s Waktu respons (total) 56.37s Waktu respons (maks) 11.07s Jawaban salah: 12 Trik anti-AI : 4.8 Pemrograman : 4.0 Gabungan : 1.5 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
#196#196	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	52.31s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 9.1 Tingkat lulus per percobaan 40.9% Tes tidak stabil 3 Token input 81,438 Token output 17,674 Token penalaran 97,900 Waktu respons (rata-rata) 52.31s Waktu respons (total) 1046.21s Waktu respons (maks) 431.98s Jawaban salah: 5 Kesalahan API: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 8.3 Pemrograman : 3.1 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.1 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#195#195	North Mini Codemedium	5.7	Cohere	$0.000	141.99s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 8.5 Tingkat lulus per percobaan 43.9% Tes tidak stabil 4 Token input 81,742 Token output 423,884 Token penalaran 1,340,907 Waktu respons (rata-rata) 141.99s Waktu respons (total) 3123.87s Waktu respons (maks) 786.72s Jawaban salah: 9 Format tambahan: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Trik anti-AI : 8.4 Pemrograman : 4.5 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#194#194	Solar Pro 4none	5.8	Upstage	$0.006	5.37s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 33.3% Tes tidak stabil 1 Token input 130,863 Token output 11,912 Token penalaran 0 Waktu respons (rata-rata) 5.37s Waktu respons (total) 118.06s Waktu respons (maks) 64.67s Jawaban salah: 14 Tidak ada jawaban: 1 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#193#193	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 2 Token input 108,641 Token output 8,339 Token penalaran 0 Waktu respons (rata-rata) 2.08s Waktu respons (total) 45.75s Waktu respons (maks) 15.63s Jawaban salah: 14 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.2 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#192#192	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 54.6% Tes tidak stabil 3 Token input 129,150 Token output 10,643 Token penalaran 0 Waktu respons (rata-rata) 6.84s Waktu respons (total) 150.46s Waktu respons (maks) 55.92s Jawaban salah: 11 Tidak ada jawaban: 1 Trik anti-AI : 4.8 Pemrograman : 4.5 Gabungan : 3.8 Parsing dan ekstraksi data : 7.1 Spesifik domain : 7.7 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#191#191	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.58s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 31.8% Tes tidak stabil 2 Token input 79,076 Token output 7,898 Token penalaran 0 Waktu respons (rata-rata) 1.58s Waktu respons (total) 34.86s Waktu respons (maks) 9.92s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Trik anti-AI : 3.1 Pemrograman : 5.5 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.4 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#190#190	Hy3 previewhigh	5.9	Tencent	$0.135 ↕	56.57s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 2 Token input 25,987 Token output 216,719 Token penalaran 0 Waktu respons (rata-rata) 56.57s Waktu respons (total) 848.59s Waktu respons (maks) 149.94s Kesalahan API: 7 Jawaban salah: 3 Trik anti-AI : 6.4 Pemrograman : 5.3 Gabungan : 5.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 3.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#189#189	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Lihat kartu model Total Tes 21 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 3 Token input 37,007 Token output 1,952 Token penalaran 357,306 Waktu respons (rata-rata) 41.16s Waktu respons (total) 823.26s Waktu respons (maks) 299.23s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kesalahan API: 1 Format tambahan: 1 Trik anti-AI : 10.0 Pemrograman : 3.3 Gabungan : 5.0 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
#188#188	Dots 3 Note Previewmedium	5.9	Dots Studio	$0.000	67.13s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 8 Token input 94,639 Token output 108,013 Token penalaran 571,526 Waktu respons (rata-rata) 67.13s Waktu respons (total) 1476.95s Waktu respons (maks) 459.19s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Format tambahan: 1 Trik anti-AI : 8.7 Pemrograman : 4.2 Gabungan : 9.9 Parsing dan ekstraksi data : 4.5 Spesifik domain : 3.6 Kecerdasan umum : 3.8 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#187#187	Step 3.5 Flashmedium	5.9	Stepfun	$0.132 ↑	191.63s
Lihat kartu model Total Tes 21 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 50.0% Tes tidak stabil 2 Token input 65,716 Token output 189,424 Token penalaran 379,112 Waktu respons (rata-rata) 191.63s Waktu respons (total) 3066.07s Waktu respons (maks) 1597.85s Jawaban salah: 5 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 : 3.5 Kecerdasan umum : 5.5 Kepatuhan instruksi : 8.3 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#186#186	Qwen3.5-35B-A3Bnone	5.9	Qwen	$0.187 ↑	12.73s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 39.4% Tes tidak stabil 4 Token input 134,530 Token output 86,616 Token penalaran 0 Waktu respons (rata-rata) 12.73s Waktu respons (total) 279.97s Waktu respons (maks) 209.15s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.4 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.5 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#185#185	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 2 Token input 282,356 Token output 209,201 Token penalaran 0 Waktu respons (rata-rata) 25.28s Waktu respons (total) 556.14s Waktu respons (maks) 480.96s Jawaban salah: 14 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.5 Pemrograman : 5.5 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#184#184	GPT-5 Nanomedium	6.0	OpenAI	$0.118	54.20s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 54.5% Tes tidak stabil 9 Token input 94,944 Token output 12,037 Token penalaran 270,400 Waktu respons (rata-rata) 54.20s Waktu respons (total) 867.23s Waktu respons (maks) 227.89s Jawaban salah: 10 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 : 3.4 Kecerdasan umum : 4.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#183#183	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
#182#182	GPT-5.6 Terranone	6.0	OpenAI	$0.140 ↓	1.66s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 3 Token input 102,268 Token output 6,221 Token penalaran 0 Waktu respons (rata-rata) 1.66s Waktu respons (total) 36.54s Waktu respons (maks) 10.07s Jawaban salah: 11 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 9.6 Pengetahuan umum : 3.0
#181#181	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
#180#180	Gemini 2.5 Flashnone	6.0	Google	$0.017	6.19s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 39.4% Tes tidak stabil 1 Token input 39,886 Token output 1,890 Token penalaran 0 Waktu respons (rata-rata) 6.19s Waktu respons (total) 136.23s Waktu respons (maks) 118.00s Jawaban salah: 13 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.0 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#179#179	Trinity Large Thinkinglow	6.0	Arcee AI	$0.658	96.61s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 47.0% Tes tidak stabil 5 Token input 122,854 Token output 119,810 Token penalaran 698,549 Waktu respons (rata-rata) 96.61s Waktu respons (total) 2125.51s Waktu respons (maks) 540.96s Jawaban salah: 7 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 5.3 Gabungan : 5.2 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 4.4 Pemecahan teka-teki : 6.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#178#178	Nemotron 3 Ultranone	6.1	NVIDIA	$0.095 ↕	3.88s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 2 Token input 101,168 Token output 9,470 Token penalaran 0 Waktu respons (rata-rata) 3.88s Waktu respons (total) 85.33s Waktu respons (maks) 37.50s Jawaban salah: 11 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.5 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#177#177	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.10s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 43.9% Tes tidak stabil 4 Token input 94,477 Token output 51,487 Token penalaran 0 Waktu respons (rata-rata) 13.10s Waktu respons (total) 288.23s 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
#176#176	Gemma 4 31Bnone	6.1	Google	$0.018 ↓	5.41s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 43.9% Tes tidak stabil 1 Token input 125,703 Token output 13,317 Token penalaran 0 Waktu respons (rata-rata) 5.41s Waktu respons (total) 108.12s Waktu respons (maks) 29.95s Jawaban salah: 10 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.5 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 6.5 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#175#175	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.73s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 1 Token input 139,797 Token output 30,947 Token penalaran 0 Waktu respons (rata-rata) 3.73s Waktu respons (total) 81.95s Waktu respons (maks) 48.79s Jawaban salah: 12 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.1 Pemrograman : 5.4 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#174#174	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.798	85.44s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 48.5% Tes tidak stabil 6 Token input 118,486 Token output 156,166 Token penalaran 860,619 Waktu respons (rata-rata) 85.44s Waktu respons (total) 1879.75s Waktu respons (maks) 525.14s Jawaban salah: 8 Tidak mengikuti instruksi: 4 Pemanggilan alat tidak valid: 2 Trik anti-AI : 6.8 Pemrograman : 7.5 Gabungan : 2.9 Parsing dan ekstraksi data : 6.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 4.4 Pemecahan teka-teki : 5.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#173#173	Inklinglow	6.1	Thinkingmachines	$0.181 ↓	5.11s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 54.6% Tes tidak stabil 4 Token input 109,893 Token output 8,580 Token penalaran 10,324 Waktu respons (rata-rata) 5.11s Waktu respons (total) 112.46s 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
#172#172	Qwen3.5-Flashmedium	6.1	Qwen	$0.142 ↓	84.44s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 6 Token input 118,508 Token output 35,457 Token penalaran 477,389 Waktu respons (rata-rata) 84.44s Waktu respons (total) 1773.20s Waktu respons (maks) 515.38s Jawaban salah: 5 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 : 2.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#170#170	Qwen3.7 Flashnone	6.1	Qwen	$0.019	10.05s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 36.4% Tes tidak stabil 2 Token input 218,740 Token output 90,507 Token penalaran 0 Waktu respons (rata-rata) 10.05s Waktu respons (total) 221.13s Waktu respons (maks) 186.24s Jawaban salah: 13 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.0 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#171#171	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 50.0% Tes tidak stabil 4 Token input 118,059 Token output 10,723 Token penalaran 0 Waktu respons (rata-rata) 1.75s Waktu respons (total) 38.42s Waktu respons (maks) 16.25s Jawaban salah: 11 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 7.5 Pemrograman : 5.5 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
#169#169	gpt-oss-120bmedium	6.1	OpenAI	$0.019 ↓	20.81s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 50.0% Tes tidak stabil 5 Token input 108,767 Token output 29,378 Token penalaran 68,904 Waktu respons (rata-rata) 20.81s Waktu respons (total) 332.88s Waktu respons (maks) 68.16s Jawaban salah: 9 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.7 Pemrograman : 5.9 Gabungan : 6.5 Parsing dan ekstraksi data : 6.4 Spesifik domain : 2.9 Kecerdasan umum : 4.3 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 5.3 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0
#168#168	Qwen3.5-35B-A3Bmedium	6.1	Qwen	$1.623 ↑	110.84s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 6 Token input 130,450 Token output 54,857 Token penalaran 838,606 Waktu respons (rata-rata) 110.84s Waktu respons (total) 2438.58s Waktu respons (maks) 950.25s Kedaluwarsa: 4 Tidak ada jawaban: 3 Jawaban salah: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 3.8 Parsing dan ekstraksi data : 7.3 Spesifik domain : 3.5 Kecerdasan umum : 2.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0

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