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: 2026-06-03 Model Dievaluasi: 161

161/161

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#66#66	Step 3.7 Flashhigh	7.2	Stepfun	$0.960	49.43s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.3% Tes tidak stabil 3 Token input 35,763 Token output 828,084 Token penalaran 0 Waktu respons (rata-rata) 49.43s Waktu respons (total) 988.58s Waktu respons (maks) 192.75s Jawaban salah: 6 Tidak ada jawaban: 3 Trik anti-AI : 10.0 Pemrograman : 3.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#67#67	MiniMax M3medium	7.2	Minimax	$0.120	68.44s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 9.6 Tingkat lulus per percobaan 65.0% Tes tidak stabil 4 Token input 43,447 Token output 46,884 Token penalaran 85,935 Waktu respons (rata-rata) 68.44s Waktu respons (total) 1300.32s Waktu respons (maks) 431.03s Kedaluwarsa: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 5.5 Pemrograman : 6.8 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
#68#68	GPT-5 Minimedium	7.2	OpenAI	$0.149	23.75s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 61.7% Tes tidak stabil 2 Token input 34,481 Token output 6,723 Token penalaran 63,082 Waktu respons (rata-rata) 23.75s Waktu respons (total) 475.03s Waktu respons (maks) 88.15s Jawaban salah: 5 Tidak mengikuti instruksi: 3 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 : 10.0 Pemecahan teka-teki : 5.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#69#69	Qwen3.6 Max Previewnone	7.1	Qwen	$0.072 ↓	3.31s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 61.7% Tes tidak stabil 2 Token input 39,668 Token output 4,773 Token penalaran 0 Waktu respons (rata-rata) 3.31s Waktu respons (total) 66.17s Waktu respons (maks) 20.51s Jawaban salah: 9 Trik anti-AI : 5.2 Pemrograman : 4.2 Gabungan : 3.0 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
#70#70	MiMo-V2-Flashmedium	7.1	Xiaomi	$0.040 ↑	20.28s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.3% Tes tidak stabil 3 Token input 37,474 Token output 12,458 Token penalaran 115,182 Waktu respons (rata-rata) 20.28s Waktu respons (total) 283.87s Waktu respons (maks) 96.01s Jawaban salah: 5 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Trik anti-AI : 8.1 Pemrograman : 4.1 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
#71#71	Seed-2.0-Minimedium	7.1	Bytedance Seed	$0.044	80.22s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 60.0% Tes tidak stabil 2 Token input 41,904 Token output 2,555 Token penalaran 95,974 Waktu respons (rata-rata) 80.22s Waktu respons (total) 1363.72s Waktu respons (maks) 262.83s Kedaluwarsa: 4 Jawaban salah: 4 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.6 Pemrograman : 6.8 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
#72#72	Claude Sonnet 4.6none	7.0	Anthropic	$0.306	5.27s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 58.3% Tes tidak stabil 1 Token input 54,721 Token output 9,450 Token penalaran 0 Waktu respons (rata-rata) 5.27s Waktu respons (total) 68.50s Waktu respons (maks) 23.84s Format tambahan: 4 Jawaban salah: 4 Tidak mengikuti instruksi: 1 Trik anti-AI : 4.8 Pemrograman : 6.8 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
#73#73	Grok 4.20medium	7.0	X AI	$0.450 ↓	19.08s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 61.7% Tes tidak stabil 3 Token input 41,511 Token output 1,816 Token penalaran 157,251 Waktu respons (rata-rata) 19.08s Waktu respons (total) 381.60s Waktu respons (maks) 105.80s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Format tambahan: 1 Trik anti-AI : 8.2 Pemrograman : 4.4 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 3.9 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#74#74	Ring-2.6-1Tmedium	7.0	Inclusionai	$0.033	61.29s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.3% Tes tidak stabil 3 Token input 35,892 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 Kesalahan API: 1 Trik anti-AI : 10.0 Pemrograman : 6.5 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
#76#76	Hy3 previewhigh	6.9	Tencent	$0.048	56.57s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 58.3% 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: 6 Jawaban salah: 3 Trik anti-AI : 6.4 Pemrograman : 6.5 Gabungan : 10.0 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
#61#61	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Lihat kartu model Total Tes 18 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.5% Tes tidak stabil 4 Token input 29,134 Token output 1,984 Token penalaran 1,355,583 Waktu respons (rata-rata) 61.96s Waktu respons (total) 1115.31s Waktu respons (maks) 149.23s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 5.7 Pemanggilan alat : 10.0
#55#55	Step 3.5 Flashmedium	7.4	Stepfun	$0.062 ↑	43.20s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 59.7% Tes tidak stabil 1 Token input 33,555 Token output 90,478 Token penalaran 173,544 Waktu respons (rata-rata) 43.20s Waktu respons (total) 561.54s Waktu respons (maks) 170.45s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 3.5 Gabungan : 10.0 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
#41#41	Qwen3.6 Flashmedium	7.6	Qwen	$0.272 ↓	18.97s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.7% Tes tidak stabil 4 Token input 39,527 Token output 2,974 Token penalaran 231,797 Waktu respons (rata-rata) 18.97s Waktu respons (total) 379.49s Waktu respons (maks) 122.87s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 5.1 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#42#42	DeepSeek V4 Flashhigh	7.6	DeepSeek	$0.027 ↓	46.36s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 73.3% Tes tidak stabil 4 Token input 37,156 Token output 10,302 Token penalaran 115,740 Waktu respons (rata-rata) 46.36s Waktu respons (total) 927.27s Waktu respons (maks) 218.13s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 8.3 Pemrograman : 6.8 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#43#43	MiMo-V2.5-Promedium	7.6	Xiaomi	$0.090 ↓	21.79s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 3 Token input 39,096 Token output 5,004 Token penalaran 80,295 Waktu respons (rata-rata) 21.79s Waktu respons (total) 435.79s Waktu respons (maks) 130.77s Format tambahan: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Trik anti-AI : 10.0 Pemrograman : 7.0 Gabungan : 10.0 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
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.074 ↓	63.04s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 75.0% Tes tidak stabil 5 Token input 37,036 Token output 2,074 Token penalaran 272,063 Waktu respons (rata-rata) 63.04s Waktu respons (total) 1197.71s Waktu respons (maks) 234.29s Kedaluwarsa: 3 Jawaban salah: 3 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 4.1 Gabungan : 10.0 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
#46#46	Mimo V2 PROmedium	7.6	Xiaomi	$0.333 ↑	22.16s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 9.6 Tingkat lulus per percobaan 76.7% Tes tidak stabil 5 Token input 40,961 Token output 2,518 Token penalaran 81,801 Waktu respons (rata-rata) 22.16s Waktu respons (total) 443.22s Waktu respons (maks) 136.29s Jawaban salah: 5 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 7.5 Gabungan : 4.7 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 6.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#48#48	Qwen3.5 Plus 2026-04-20medium	7.5	Qwen	$0.287 ↓	43.65s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.0% Tes tidak stabil 2 Token input 39,262 Token output 2,259 Token penalaran 150,249 Waktu respons (rata-rata) 43.65s Waktu respons (total) 872.90s Waktu respons (maks) 189.38s Jawaban salah: 8 Trik anti-AI : 10.0 Pemrograman : 4.3 Gabungan : 10.0 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
#49#49	Gemini 3.1 Flash Lite Previewnone	7.5	Google	$0.017	1.23s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 63.3% Tes tidak stabil 1 Token input 34,579 Token output 5,541 Token penalaran 0 Waktu respons (rata-rata) 1.23s Waktu respons (total) 24.68s Waktu respons (maks) 3.39s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 7.5 Pemrograman : 6.8 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#50#50	Kimi K2.6medium	7.4	Moonshot AI	$0.803 ↓	54.03s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 3 Token input 28,584 Token output 102,208 Token penalaran 229,120 Waktu respons (rata-rata) 54.03s Waktu respons (total) 1026.57s Waktu respons (maks) 215.85s Jawaban salah: 3 Tidak mengikuti instruksi: 2 Kedaluwarsa: 2 Tidak ada jawaban: 1 Trik anti-AI : 7.0 Pemrograman : 6.8 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#51#51	Gemini 3.1 Flash Litelow	7.4	Google	$0.026	1.92s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.0% Tes tidak stabil 2 Token input 33,889 Token output 2,726 Token penalaran 8,951 Waktu respons (rata-rata) 1.92s Waktu respons (total) 38.45s Waktu respons (maks) 5.66s Jawaban salah: 8 Trik anti-AI : 7.3 Pemrograman : 6.8 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#52#52	GLM 5.1medium	7.4	Z.ai	$0.279 ↓	33.45s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 5.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 3 Token input 30,397 Token output 11,511 Token penalaran 71,979 Waktu respons (rata-rata) 33.45s Waktu respons (total) 635.63s Waktu respons (maks) 172.60s Jawaban salah: 4 Kedaluwarsa: 2 Kesalahan API: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 4.6 Gabungan : 9.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 8.2 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#53#53	GPT-5.3 Chatnone	7.4	OpenAI	$0.402	6.13s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 4 Token input 31,590 Token output 24,757 Token penalaran 0 Waktu respons (rata-rata) 6.13s Waktu respons (total) 122.61s Waktu respons (maks) 18.33s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 6.7 Pemrograman : 6.9 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.6 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#54#54	MiMo-V2.5medium	7.4	Xiaomi	$0.052 ↓	20.35s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 70.0% Tes tidak stabil 4 Token input 39,201 Token output 2,806 Token penalaran 161,888 Waktu respons (rata-rata) 20.35s Waktu respons (total) 406.94s Waktu respons (maks) 97.49s Jawaban salah: 4 Format tambahan: 2 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.9 Gabungan : 10.0 Parsing dan ekstraksi data : 2.7 Spesifik domain : 5.3 Kecerdasan umum : 5.4 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#56#56	Step 3.7 Flashlow	7.4	Stepfun	$0.336	16.06s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 3 Token input 37,458 Token output 285,209 Token penalaran 0 Waktu respons (rata-rata) 16.06s Waktu respons (total) 321.11s Waktu respons (maks) 124.75s Jawaban salah: 7 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 3.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#58#58	Qwen3.6 35B A3Bmedium	7.3	Qwen	$0.130 ↑	17.26s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 61.7% Tes tidak stabil 1 Token input 13,550 Token output 18,304 Token penalaran 115,531 Waktu respons (rata-rata) 17.26s Waktu respons (total) 310.65s Waktu respons (maks) 86.11s Jawaban salah: 4 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#59#59	GPT-5.2medium	7.3	OpenAI	$0.492	16.50s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 70.0% Tes tidak stabil 4 Token input 31,348 Token output 2,880 Token penalaran 28,289 Waktu respons (rata-rata) 16.50s Waktu respons (total) 214.45s 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 : 7.5 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#62#62	Claude Opus 4.8none	7.3	Anthropic	$0.519	3.51s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.0% Tes tidak stabil 2 Token input 63,282 Token output 8,098 Token penalaran 0 Waktu respons (rata-rata) 3.51s Waktu respons (total) 70.19s Waktu respons (maks) 17.73s Format tambahan: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 6.5 Pemrograman : 6.8 Gabungan : 9.5 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#64#64	Claude Opus 4.6medium	7.2	Anthropic	$1.896	25.45s
Lihat kartu model Total Tes 20 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 63.3% Tes tidak stabil 2 Token input 50,062 Token output 42,254 Token penalaran 23,554 Waktu respons (rata-rata) 25.45s Waktu respons (total) 330.91s Waktu respons (maks) 83.40s Format tambahan: 4 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.4 Pemrograman : 7.2 Gabungan : 10.0 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
#20#20	Seed-2.0-Litemedium	8.1	Bytedance Seed	$0.152	36.67s
Lihat kartu model Total Tes 20 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 75.0% Tes tidak stabil 3 Token input 43,785 Token output 3,224 Token penalaran 67,040 Waktu respons (rata-rata) 36.67s Waktu respons (total) 733.46s Waktu respons (maks) 168.71s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Trik anti-AI : 8.3 Pemrograman : 7.0 Gabungan : 10.0 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

Perbandingan Cepat

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Leaderboard Benchmark AI

Filter model

Perbandingan Cepat