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)
#153#153	Mercury 2none	4.6	Inception	$0.009	614ms
Lihat kartu model Total Tes 20 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 25.0% Tes tidak stabil 2 Token input 25,515 Token output 3,001 Token penalaran 0 Waktu respons (rata-rata) 614ms Waktu respons (total) 12.28s Waktu respons (maks) 1.27s Jawaban salah: 15 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.0 Pemrograman : 3.5 Gabungan : 3.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#140#140	Mistral Small 4none	5.0	Mistral	$0.007	629ms
Lihat kartu model Total Tes 20 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 28.3% Tes tidak stabil 1 Token input 34,567 Token output 2,192 Token penalaran 0 Waktu respons (rata-rata) 629ms Waktu respons (total) 12.59s Waktu respons (maks) 1.72s Jawaban salah: 14 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.4 Pemrograman : 4.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#161#161	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	719ms
Lihat kartu model Total Tes 20 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 10.0% Tes tidak stabil 0 Token input 43,135 Token output 2,743 Token penalaran 0 Waktu respons (rata-rata) 719ms Waktu respons (total) 14.37s Waktu respons (maks) 2.17s Jawaban salah: 13 Tidak mengikuti instruksi: 4 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.9 Pemrograman : 5.2 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 3.6 Pemecahan teka-teki : 3.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#160#160	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.1	NVIDIA	$0.000	728ms
Lihat kartu model Total Tes 19 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 17.5% Tes tidak stabil 2 Token input 11,661 Token output 1,302 Token penalaran 0 Waktu respons (rata-rata) 728ms Waktu respons (total) 9.47s Waktu respons (maks) 2.21s Jawaban salah: 9 Kesalahan API: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 3.8 Spesifik domain : 3.6 Kecerdasan umum : 3.0 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 3.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#159#159	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	782ms
Lihat kartu model Total Tes 16 Tes Salah 14 Keandalan T/A Tingkat lulus per percobaan 16.7% Tes tidak stabil 1 Token input 10,771 Token output 1,173 Token penalaran 0 Waktu respons (rata-rata) 782ms Waktu respons (total) 10.94s Waktu respons (maks) 3.15s Jawaban salah: 9 Kesalahan API: 4 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.3 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 5.9 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.8 Pemanggilan alat : 3.0
#145#145	Laguna Xs.2none	4.8	Poolside	$0.000	806ms
Lihat kartu model Total Tes 19 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 26.3% Tes tidak stabil 0 Token input 33,675 Token output 2,826 Token penalaran 0 Waktu respons (rata-rata) 806ms Waktu respons (total) 12.09s Waktu respons (maks) 2.01s Jawaban salah: 8 Kesalahan API: 4 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.0 Pemrograman : 2.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 3.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#94#94	Gemini 2.5 Flashnone	6.4	Google	$0.015	889ms
Lihat kartu model Total Tes 20 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 48.3% Tes tidak stabil 1 Token input 32,923 Token output 1,764 Token penalaran 0 Waktu respons (rata-rata) 889ms Waktu respons (total) 17.79s Waktu respons (maks) 4.39s Jawaban salah: 11 Trik anti-AI : 3.0 Pemrograman : 6.8 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#87#87	Gemini 3.1 Flash Litenone	6.6	Google	$0.013	1.09s
Lihat kartu model Total Tes 20 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 55.0% Tes tidak stabil 4 Token input 33,705 Token output 2,478 Token penalaran 0 Waktu respons (rata-rata) 1.09s Waktu respons (total) 21.79s Waktu respons (maks) 2.97s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Trik anti-AI : 7.5 Pemrograman : 6.8 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
#127#127	Grok 4.20none	5.4	X AI	$0.057 ↓	1.11s
Lihat kartu model Total Tes 18 Tes Salah 12 Keandalan T/A Tingkat lulus per percobaan 33.3% Tes tidak stabil 0 Token input 41,313 Token output 1,923 Token penalaran 0 Waktu respons (rata-rata) 1.11s Waktu respons (total) 19.96s Waktu respons (maks) 6.04s Jawaban salah: 10 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 3.4 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0
#142#142	GPT-5.4 Mininone	4.9	OpenAI	$0.036	1.15s
Lihat kartu model Total Tes 20 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 31.7% Tes tidak stabil 3 Token input 31,625 Token output 2,508 Token penalaran 0 Waktu respons (rata-rata) 1.15s Waktu respons (total) 23.09s Waktu respons (maks) 2.52s Jawaban salah: 12 Tidak mengikuti instruksi: 3 Trik anti-AI : 3.1 Pemrograman : 6.8 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.4 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#112#112	Grok 4.20 Betanone	5.8	X AI	$0.087 ↓	1.19s
Lihat kartu model Total Tes 18 Tes Salah 12 Keandalan T/A Tingkat lulus per percobaan 37.0% Tes tidak stabil 1 Token input 40,597 Token output 1,657 Token penalaran 0 Waktu respons (rata-rata) 1.19s Waktu respons (total) 21.43s Waktu respons (maks) 6.48s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.0 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0
#136#136	Elephant Alphanone	5.1	Openrouter	$0.000	1.22s
Lihat kartu model Total Tes 20 Tes Salah 15 Keandalan T/A Tingkat lulus per percobaan 28.3% Tes tidak stabil 1 Token input 33,743 Token output 2,573 Token penalaran 0 Waktu respons (rata-rata) 1.22s Waktu respons (total) 22.03s Waktu respons (maks) 3.81s Jawaban salah: 9 Tidak mengikuti instruksi: 3 Kesalahan API: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.6 Pemrograman : 4.7 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 4.2 Pemanggilan alat : 3.0 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
#134#134	Elephant Alphamedium	5.3	Openrouter	$0.000	1.27s
Lihat kartu model Total Tes 20 Tes Salah 14 Keandalan T/A Tingkat lulus per percobaan 31.7% Tes tidak stabil 1 Token input 33,744 Token output 2,596 Token penalaran 0 Waktu respons (rata-rata) 1.27s Waktu respons (total) 22.82s Waktu respons (maks) 3.70s Jawaban salah: 9 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.6 Pemrograman : 4.0 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#26#26	Qwen3.7 Maxnone	7.9	Qwen	$0.051 ↓	1.30s
Lihat kartu model Total Tes 20 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 70.0% Tes tidak stabil 0 Token input 34,266 Token output 1,988 Token penalaran 0 Waktu respons (rata-rata) 1.30s Waktu respons (total) 25.95s Waktu respons (maks) 3.92s Jawaban salah: 6 Trik anti-AI : 6.5 Pemrograman : 6.8 Gabungan : 3.0 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
#146#146	GPT-5.4 Nanonone	4.8	OpenAI	$0.010	1.33s
Lihat kartu model Total Tes 20 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 31.7% Tes tidak stabil 5 Token input 31,593 Token output 2,769 Token penalaran 0 Waktu respons (rata-rata) 1.33s Waktu respons (total) 26.54s Waktu respons (maks) 3.84s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.5 Pemrograman : 5.4 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 3.8 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#80#80	Gemini 3.1 Flash Liteminimal	6.7	Google	$0.013	1.37s
Lihat kartu model Total Tes 20 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 56.7% Tes tidak stabil 3 Token input 33,968 Token output 2,481 Token penalaran 0 Waktu respons (rata-rata) 1.37s Waktu respons (total) 27.32s Waktu respons (maks) 4.49s Jawaban salah: 7 Tidak mengikuti instruksi: 3 Trik anti-AI : 8.3 Pemrograman : 6.8 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
#121#121	GPT-5.4none	5.6	OpenAI	$0.116	1.45s
Lihat kartu model Total Tes 20 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 38.3% Tes tidak stabil 2 Token input 31,593 Token output 2,402 Token penalaran 0 Waktu respons (rata-rata) 1.45s Waktu respons (total) 29.00s Waktu respons (maks) 2.95s Jawaban salah: 12 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.2 Pemrograman : 6.8 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
#23#23	Gemini 3.5 Flashminimal	7.9	Google	$0.103	1.58s
Lihat kartu model Total Tes 20 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 71.7% Tes tidak stabil 1 Token input 36,844 Token output 5,271 Token penalaran 0 Waktu respons (rata-rata) 1.58s Waktu respons (total) 31.55s Waktu respons (maks) 5.51s Jawaban salah: 4 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.5 Pemrograman : 7.0 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
#156#156	Grok 4.1 Fastnone	4.4	X AI	$0.008 ↓	1.62s
Lihat kartu model Total Tes 19 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 22.8% Tes tidak stabil 3 Token input 36,608 Token output 1,723 Token penalaran 0 Waktu respons (rata-rata) 1.62s Waktu respons (total) 19.48s Waktu respons (maks) 5.51s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Trik anti-AI : 3.2 Pemrograman : 5.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.0 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#124#124	Qwen3.6 Flashnone	5.5	Qwen	$0.014 ↓	1.65s
Lihat kartu model Total Tes 20 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 35.0% Tes tidak stabil 0 Token input 47,969 Token output 4,158 Token penalaran 0 Waktu respons (rata-rata) 1.65s Waktu respons (total) 32.91s Waktu respons (maks) 4.60s Jawaban salah: 11 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.1 Pemrograman : 6.6 Gabungan : 3.0 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
#149#149	Qwen3.5-9Bnone	4.7	Qwen	$0.003 ↓	1.68s
Lihat kartu model Total Tes 20 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 21.7% Tes tidak stabil 1 Token input 45,200 Token output 3,943 Token penalaran 0 Waktu respons (rata-rata) 1.68s Waktu respons (total) 33.66s Waktu respons (maks) 5.91s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.1 Pemrograman : 4.4 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#113#113	Qwen3.5-27Bnone	5.8	Qwen	$0.014 ↓	1.69s
Lihat kartu model Total Tes 20 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 40.0% Tes tidak stabil 2 Token input 41,637 Token output 3,585 Token penalaran 0 Waktu respons (rata-rata) 1.69s Waktu respons (total) 33.82s Waktu respons (maks) 9.39s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 7.3 Gabungan : 2.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#39#39	Gemini 3 Flash Previewnone	7.7	Google	$0.023	1.70s
Lihat kartu model Total Tes 20 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 70.0% Tes tidak stabil 2 Token input 34,008 Token output 1,879 Token penalaran 0 Waktu respons (rata-rata) 1.70s Waktu respons (total) 22.05s Waktu respons (maks) 3.56s Jawaban salah: 7 Trik anti-AI : 8.3 Pemrograman : 6.8 Gabungan : 4.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#122#122	MiMo-V2.5-Pronone	5.6	Xiaomi	$0.016 ↓	1.84s
Lihat kartu model Total Tes 20 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 41.7% Tes tidak stabil 4 Token input 28,962 Token output 3,037 Token penalaran 0 Waktu respons (rata-rata) 1.84s Waktu respons (total) 36.79s Waktu respons (maks) 8.32s Jawaban salah: 10 Tidak mengikuti instruksi: 4 Trik anti-AI : 3.3 Pemrograman : 5.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#143#143	GPT-4o-mininone	4.9	OpenAI	$0.006	1.85s
Lihat kartu model Total Tes 20 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 25.0% Tes tidak stabil 0 Token input 28,896 Token output 1,977 Token penalaran 0 Waktu respons (rata-rata) 1.85s Waktu respons (total) 24.00s Waktu respons (maks) 7.58s Jawaban salah: 14 Tidak mengikuti instruksi: 1 Trik anti-AI : 4.8 Pemrograman : 3.2 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.5 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
#88#88	GPT-5.5none	6.5	OpenAI	$0.217	1.93s
Lihat kartu model Total Tes 20 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 56.7% Tes tidak stabil 3 Token input 31,593 Token output 1,956 Token penalaran 0 Waktu respons (rata-rata) 1.93s Waktu respons (total) 38.64s Waktu respons (maks) 5.56s Jawaban salah: 10 Trik anti-AI : 6.9 Pemrograman : 6.8 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
#141#141	MiMo-V2.5none	5.0	Xiaomi	$0.007 ↓	2.20s
Lihat kartu model Total Tes 20 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 28.3% Tes tidak stabil 1 Token input 39,342 Token output 2,258 Token penalaran 0 Waktu respons (rata-rata) 2.20s Waktu respons (total) 43.96s Waktu respons (maks) 6.86s Jawaban salah: 13 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.5 Pemrograman : 6.8 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#89#89	Mercury 2medium	6.5	Inception	$0.055	2.27s
Lihat kartu model Total Tes 20 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 51.7% Tes tidak stabil 3 Token input 32,570 Token output 4,022 Token penalaran 58,405 Waktu respons (rata-rata) 2.27s Waktu respons (total) 43.20s Waktu respons (maks) 14.63s Jawaban salah: 8 Tidak mengikuti instruksi: 3 Trik anti-AI : 6.9 Pemrograman : 7.2 Gabungan : 10.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.4 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