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)
#167#167	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 51.5% Tes tidak stabil 3 Token input 119,076 Token output 11,118 Token penalaran 0 Waktu respons (rata-rata) 1.85s Waktu respons (total) 40.74s Waktu respons (maks) 12.97s Jawaban salah: 8 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Trik anti-AI : 8.3 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 : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#166#166	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 40.9% Tes tidak stabil 4 Token input 161,032 Token output 22,508 Token penalaran 0 Waktu respons (rata-rata) 6.05s Waktu respons (total) 132.99s Waktu respons (maks) 33.39s Jawaban salah: 8 Format tambahan: 4 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 5.3 Pemrograman : 4.6 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.7 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#165#165	GPT-5.6 Lunalow	6.2	OpenAI	$0.026 ↓	5.20s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 54.5% Tes tidak stabil 5 Token input 96,355 Token output 8,213 Token penalaran 18,073 Waktu respons (rata-rata) 5.20s Waktu respons (total) 114.46s 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 : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#164#164	Gemma 4 31Bmedium	6.2	Google	$0.101 ↓	78.59s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 3 Token input 94,969 Token output 34,399 Token penalaran 233,022 Waktu respons (rata-rata) 78.59s Waktu respons (total) 1571.84s Waktu respons (maks) 437.40s Jawaban salah: 3 Kesalahan API: 2 Kedaluwarsa: 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 : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.9 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#163#163	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.37s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 40.9% Tes tidak stabil 3 Token input 142,206 Token output 14,744 Token penalaran 0 Waktu respons (rata-rata) 4.37s Waktu respons (total) 96.20s Waktu respons (maks) 44.58s Jawaban salah: 13 Tidak ada jawaban: 1 Trik anti-AI : 3.0 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 : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#162#162	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 62.1% Tes tidak stabil 3 Token input 40,111 Token output 12,476 Token penalaran 125,039 Waktu respons (rata-rata) 20.11s Waktu respons (total) 301.59s 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 : 6.0 Gabungan : 4.9 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
#161#161	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 9.6 Tingkat lulus per percobaan 69.7% 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 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 6.0 Gabungan : 2.3 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
#160#160	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 3 Token input 113,613 Token output 122,706 Token penalaran 42,325 Waktu respons (rata-rata) 68.80s Waktu respons (total) 1375.99s Waktu respons (maks) 304.19s Jawaban salah: 6 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 5.3 Gabungan : 7.3 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.6 Kecerdasan umum : 4.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#159#159	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 9.8 Tingkat lulus per percobaan 63.6% Tes tidak stabil 4 Token input 132,044 Token output 92,135 Token penalaran 207,321 Waktu respons (rata-rata) 13.70s Waktu respons (total) 287.75s Waktu respons (maks) 75.27s Jawaban salah: 7 Pemanggilan alat tidak valid: 2 Kesalahan API: 1 Trik anti-AI : 10.0 Pemrograman : 6.7 Gabungan : 2.9 Parsing dan ekstraksi data : 7.3 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#158#158	MiMo-V2.5medium	6.4	Xiaomi	$0.104 ↓	46.28s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 7 Token input 105,456 Token output 7,108 Token penalaran 319,940 Waktu respons (rata-rata) 46.28s Waktu respons (total) 1018.12s Waktu respons (maks) 316.27s Jawaban salah: 5 Format tambahan: 2 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 8.7 Parsing dan ekstraksi data : 2.7 Spesifik domain : 3.6 Kecerdasan umum : 5.4 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#157#157	LongCat 2.0none	6.4	Meituan	$0.044	5.17s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 40.9% Tes tidak stabil 2 Token input 108,752 Token output 9,375 Token penalaran 0 Waktu respons (rata-rata) 5.17s Waktu respons (total) 113.83s Waktu respons (maks) 48.38s Jawaban salah: 13 Format tambahan: 1 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 4.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#156#156	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 6 Token input 127,621 Token output 141,858 Token penalaran 590,204 Waktu respons (rata-rata) 67.81s Waktu respons (total) 1491.80s Waktu respons (maks) 480.52s Jawaban salah: 8 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.7 Pemrograman : 5.8 Gabungan : 6.9 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 3.4 Kepatuhan instruksi : 8.3 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#155#155	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 5 Token input 113,889 Token output 110,550 Token penalaran 496,487 Waktu respons (rata-rata) 61.81s Waktu respons (total) 1359.72s Waktu respons (maks) 417.36s Jawaban salah: 7 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 6.9 Parsing dan ekstraksi data : 7.3 Spesifik domain : 3.6 Kecerdasan umum : 4.0 Kepatuhan instruksi : 7.9 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#154#154	Qwen3.6 Max Previewnone	6.4	Qwen	$0.228 ↓	7.82s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 9.9 Tingkat lulus per percobaan 56.1% Tes tidak stabil 2 Token input 106,348 Token output 19,257 Token penalaran 0 Waktu respons (rata-rata) 7.82s Waktu respons (total) 172.04s Waktu respons (maks) 102.62s Jawaban salah: 11 Trik anti-AI : 5.2 Pemrograman : 3.8 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#153#153	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.56s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 1 Token input 120,955 Token output 14,161 Token penalaran 0 Waktu respons (rata-rata) 1.56s Waktu respons (total) 34.32s Waktu respons (maks) 9.27s Jawaban salah: 7 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 7.5 Pemrograman : 5.5 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
#152#152	Hy3 previewmedium	6.5	Tencent	$0.049 ↕	16.28s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 0 Token input 27,030 Token output 73,544 Token penalaran 0 Waktu respons (rata-rata) 16.28s Waktu respons (total) 293.12s Waktu respons (maks) 46.04s Kesalahan API: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 5.3 Gabungan : 5.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#151#151	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 2 Token input 118,998 Token output 30,750 Token penalaran 491,730 Waktu respons (rata-rata) 48.18s Waktu respons (total) 1059.93s Waktu respons (maks) 422.72s Jawaban salah: 10 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#150#150	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 7 Token input 106,176 Token output 33,013 Token penalaran 239,560 Waktu respons (rata-rata) 106.06s Waktu respons (total) 2333.36s Waktu respons (maks) 1085.11s Jawaban salah: 5 Tidak ada jawaban: 3 Pemanggilan alat tidak valid: 2 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.3 Pemrograman : 7.7 Gabungan : 6.7 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
#149#149	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 2 Token input 102,655 Token output 29,370 Token penalaran 0 Waktu respons (rata-rata) 9.86s Waktu respons (total) 157.77s Waktu respons (maks) 123.00s Jawaban salah: 11 Trik anti-AI : 4.8 Pemrograman : 4.3 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#148#148	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.750 ↑	58.49s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 2 Token input 85,148 Token output 61,736 Token penalaran 681,556 Waktu respons (rata-rata) 58.49s Waktu respons (total) 1169.83s Waktu respons (maks) 817.57s Jawaban salah: 5 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 7.7 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#147#147	Gemini 3.1 Flash Litelow	6.6	Google	$0.621	16.25s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 2 Token input 94,233 Token output 7,759 Token penalaran 390,132 Waktu respons (rata-rata) 16.25s Waktu respons (total) 357.39s Waktu respons (maks) 318.02s Jawaban salah: 8 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.3 Pemrograman : 5.5 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#146#146	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 3 Token input 100,255 Token output 6,422 Token penalaran 49,847 Waktu respons (rata-rata) 6.30s Waktu respons (total) 138.60s Waktu respons (maks) 17.26s Jawaban salah: 6 Tidak mengikuti instruksi: 4 Pemanggilan alat tidak valid: 2 Trik anti-AI : 10.0 Pemrograman : 7.8 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.3 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 5.8 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#145#145	Gemini 3.1 Flash Lite Previewlow	6.6	Google	$0.646	16.67s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 0 Token input 110,196 Token output 14,717 Token penalaran 397,462 Waktu respons (rata-rata) 16.67s Waktu respons (total) 366.69s Waktu respons (maks) 309.35s Jawaban salah: 6 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#144#144	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 2 Token input 102,325 Token output 24,323 Token penalaran 0 Waktu respons (rata-rata) 4.77s Waktu respons (total) 105.00s Waktu respons (maks) 69.46s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 5.8 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#143#143	Gemini 3.5 Flash Litelow	6.6	Google	$0.138	2.56s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 6 Token input 139,165 Token output 12,899 Token penalaran 25,511 Waktu respons (rata-rata) 2.56s Waktu respons (total) 56.32s Waktu respons (maks) 15.14s Jawaban salah: 8 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 9.0 Pemrograman : 4.3 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 4.7
#142#142	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Lihat kartu model Total Tes 19 Tes Salah 3 Keandalan 10.0 Tingkat lulus per percobaan 72.7% Tes tidak stabil 0 Token input 69,576 Token output 6,265 Token penalaran 0 Waktu respons (rata-rata) 3.02s Waktu respons (total) 57.44s Waktu respons (maks) 18.27s Jawaban salah: 3 Trik anti-AI : 8.3 Pemrograman : 3.3 Gabungan : 4.8 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
#141#141	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 51.5% Tes tidak stabil 4 Token input 93,411 Token output 30,470 Token penalaran 356,172 Waktu respons (rata-rata) 153.29s Waktu respons (total) 3372.36s Waktu respons (maks) 941.66s Jawaban salah: 7 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kedaluwarsa: 2 Trik anti-AI : 8.9 Pemrograman : 7.8 Gabungan : 10.0 Parsing dan ekstraksi data : 3.6 Spesifik domain : 3.6 Kecerdasan umum : 5.1 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#140#140	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 6 Token input 44,615 Token output 2,347 Token penalaran 98,415 Waktu respons (rata-rata) 23.08s Waktu respons (total) 484.63s Waktu respons (maks) 95.88s Jawaban salah: 7 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 7.2 Pemrograman : 6.0 Gabungan : 3.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 7.0 Pengetahuan umum : 3.0
#139#139	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 1 Token input 100,762 Token output 16,454 Token penalaran 0 Waktu respons (rata-rata) 2.65s Waktu respons (total) 58.21s Waktu respons (maks) 25.26s Jawaban salah: 6 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 : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#138#138	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 9.9 Tingkat lulus per percobaan 54.6% Tes tidak stabil 4 Token input 90,870 Token output 5,676 Token penalaran 314,918 Waktu respons (rata-rata) 113.61s Waktu respons (total) 2499.46s Waktu respons (maks) 560.39s Jawaban salah: 7 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 6.6 Gabungan : 10.0 Parsing dan ekstraksi data : 6.3 Spesifik domain : 2.9 Kecerdasan umum : 3.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 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