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: 2026-05-10 Model Dievaluasi: 144

144/144

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#144#144	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	743ms
Lihat kartu model Total Tes 19 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 10.5% Tes tidak stabil 0 Token output 2,724 Token penalaran 0 Waktu respons (rata-rata) 743ms Waktu respons (total) 14.11s Waktu respons (maks) 2.17s Jawaban salah: 12 Tidak mengikuti instruksi: 4 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.9 Pemrograman : 6.9 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
#143#143	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	811ms
Lihat kartu model Total Tes 16 Tes Salah 14 Keandalan T/A Tingkat lulus per percobaan 18.8% Tes tidak stabil 2 Token output 1,185 Token penalaran 0 Waktu respons (rata-rata) 811ms Waktu respons (total) 11.35s Waktu respons (maks) 2.88s Jawaban salah: 8 Kesalahan API: 4 Tidak mengikuti instruksi: 2 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 : 3.7 Pemanggilan alat : 3.0
#142#142	Qwen3.5-9Bmedium	4.3	Qwen	$0.035	80.10s
Lihat kartu model Total Tes 19 Tes Salah 16 Keandalan 3.3 Tingkat lulus per percobaan 33.3% Tes tidak stabil 7 Token output 27,365 Token penalaran 202,291 Waktu respons (rata-rata) 80.10s Waktu respons (total) 1281.62s Waktu respons (maks) 226.38s Kedaluwarsa: 10 Jawaban salah: 3 Format tambahan: 1 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 5.1 Pemrograman : 2.6 Gabungan : 3.0 Parsing dan ekstraksi data : 3.6 Spesifik domain : 3.6 Kecerdasan umum : 2.8 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 2.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#141#141	Grok 4.1 Fastnone	4.4	X AI	$0.009	1.67s
Lihat kartu model Total Tes 19 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 22.8% Tes tidak stabil 3 Token output 1,733 Token penalaran 0 Waktu respons (rata-rata) 1.67s Waktu respons (total) 20.08s 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
#140#140	Ling-2.6-1Tnone	4.5	Inclusionai	$0.000	8.79s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan T/A Tingkat lulus per percobaan 16.7% Tes tidak stabil 0 Token output 2,434 Token penalaran 0 Waktu respons (rata-rata) 8.79s Waktu respons (total) 158.19s Waktu respons (maks) 25.72s Jawaban salah: 12 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.4 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 3.1 Pemanggilan alat : 3.0 Pengetahuan umum : 0.0
#139#139	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.73s
Lihat kartu model Total Tes 19 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 26.3% Tes tidak stabil 5 Token output 68,534 Token penalaran 0 Waktu respons (rata-rata) 2.73s Waktu respons (total) 40.90s Waktu respons (maks) 19.68s Jawaban salah: 13 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.2 Pemrograman : 6.3 Gabungan : 3.0 Parsing dan ekstraksi data : 2.9 Spesifik domain : 5.3 Kecerdasan umum : 4.6 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#138#138	GLM 4.7 Flashmedium	4.5	Z.ai	$0.046	30.57s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 36.8% Tes tidak stabil 8 Token output 39,759 Token penalaran 73,598 Waktu respons (rata-rata) 30.57s Waktu respons (total) 366.78s Waktu respons (maks) 174.55s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Trik anti-AI : 4.7 Pemrograman : 3.6 Gabungan : 2.8 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
#137#137	GPT-5.4 Nanonone	4.5	OpenAI	$0.010	1.36s
Lihat kartu model Total Tes 19 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 31.6% Tes tidak stabil 6 Token output 2,783 Token penalaran 0 Waktu respons (rata-rata) 1.36s Waktu respons (total) 25.91s Waktu respons (maks) 3.84s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.5 Pemrograman : 7.1 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 3.8 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#136#136	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.6	NVIDIA	$0.000	726ms
Lihat kartu model Total Tes 19 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 25.6% Tes tidak stabil 2 Token output 1,267 Token penalaran 0 Waktu respons (rata-rata) 726ms Waktu respons (total) 9.44s Waktu respons (maks) 2.21s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Trik anti-AI : 5.3 Pemrograman : 10.0 Gabungan : 0.0 Parsing dan ekstraksi data : 3.8 Spesifik domain : 3.6 Kecerdasan umum : 0.0 Kepatuhan instruksi : 4.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0
#135#135	Hy3 previewnone	4.6	Tencent	$0.000	12.96s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 26.3% Tes tidak stabil 2 Token output 2,654 Token penalaran 0 Waktu respons (rata-rata) 12.96s Waktu respons (total) 233.26s Waktu respons (maks) 35.84s Jawaban salah: 8 Tidak mengikuti instruksi: 4 Kesalahan API: 2 Format tambahan: 1 Trik anti-AI : 4.8 Pemrograman : 2.3 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.6 Kecerdasan umum : 4.1 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#134#134	Qwen3.5-9Bnone	4.7	Qwen	$0.005	1.51s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 22.8% Tes tidak stabil 1 Token output 3,957 Token penalaran 0 Waktu respons (rata-rata) 1.51s Waktu respons (total) 28.75s Waktu respons (maks) 5.91s Jawaban salah: 12 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.1 Pemrograman : 5.2 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#133#133	Mercury 2none	4.7	Inception	$0.007	610ms
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 26.3% Tes tidak stabil 2 Token output 1,644 Token penalaran 0 Waktu respons (rata-rata) 610ms Waktu respons (total) 11.59s Waktu respons (maks) 1.27s Jawaban salah: 14 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.0 Pemrograman : 3.6 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
#132#132	Trinity Large Previewnone	4.8	Arcee AI	$0.001	3.03s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 26.3% Tes tidak stabil 3 Token output 2,190 Token penalaran 0 Waktu respons (rata-rata) 3.03s Waktu respons (total) 57.60s Waktu respons (maks) 14.34s Jawaban salah: 12 Tidak mengikuti instruksi: 3 Trik anti-AI : 3.1 Pemrograman : 4.9 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.5 Kepatuhan instruksi : 3.4 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#131#131	Qwen3 Coder Nextmedium	4.8	Qwen	$0.008	9.95s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 31.6% Tes tidak stabil 3 Token output 3,253 Token penalaran 0 Waktu respons (rata-rata) 9.95s Waktu respons (total) 129.40s Waktu respons (maks) 81.80s Jawaban salah: 11 Tidak mengikuti instruksi: 3 Kedaluwarsa: 1 Trik anti-AI : 3.5 Pemrograman : 4.7 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 6.3 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#130#130	MiMo-V2.5none	4.9	Xiaomi	$0.019	2.02s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 28.1% Tes tidak stabil 2 Token output 2,231 Token penalaran 0 Waktu respons (rata-rata) 2.02s Waktu respons (total) 38.45s Waktu respons (maks) 6.86s Jawaban salah: 12 Tidak mengikuti instruksi: 2 Format tambahan: 1 Trik anti-AI : 3.5 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 4.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#129#129	GPT-4o-mininone	4.9	OpenAI	$0.005	1.90s
Lihat kartu model Total Tes 19 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 26.3% Tes tidak stabil 0 Token output 1,962 Token penalaran 0 Waktu respons (rata-rata) 1.90s Waktu respons (total) 22.79s Waktu respons (maks) 7.58s Jawaban salah: 13 Tidak mengikuti instruksi: 1 Trik anti-AI : 4.8 Pemrograman : 3.0 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
#128#128	Qwen3.6 35B A3Bnone	5.0	Qwen	$0.019	2.73s
Lihat kartu model Total Tes 19 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 37.3% Tes tidak stabil 5 Token output 17,515 Token penalaran 0 Waktu respons (rata-rata) 2.73s Waktu respons (total) 46.41s Waktu respons (maks) 12.46s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.6 Pemrograman : 10.0 Gabungan : 0.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 3.2 Pemanggilan alat : 0.0 Pengetahuan umum : 3.0
#127#127	GPT-5.4 Mininone	5.0	OpenAI	$0.032	1.18s
Lihat kartu model Total Tes 19 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 33.3% Tes tidak stabil 3 Token output 2,461 Token penalaran 0 Waktu respons (rata-rata) 1.18s Waktu respons (total) 22.34s Waktu respons (maks) 2.52s Jawaban salah: 11 Tidak mengikuti instruksi: 3 Trik anti-AI : 3.1 Pemrograman : 10.0 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
#126#126	Mistral Small 4none	5.1	Mistral	$0.006	651ms
Lihat kartu model Total Tes 19 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 29.8% Tes tidak stabil 1 Token output 2,224 Token penalaran 0 Waktu respons (rata-rata) 651ms Waktu respons (total) 12.37s Waktu respons (maks) 1.72s Jawaban salah: 13 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.4 Pemrograman : 4.5 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
#125#125	MiniMax M2.7medium	5.1	Minimax	$0.095	30.62s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 49.1% Tes tidak stabil 10 Token output 8,052 Token penalaran 66,239 Waktu respons (rata-rata) 30.62s Waktu respons (total) 551.14s Waktu respons (maks) 117.04s Jawaban salah: 7 Tidak mengikuti instruksi: 5 Kedaluwarsa: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.9 Pemrograman : 10.0 Gabungan : 4.7 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.0 Kecerdasan umum : 3.9 Kepatuhan instruksi : 3.8 Pemecahan teka-teki : 3.5 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#124#124	Nemotron 3 Supernone	5.2	NVIDIA	$0.002	5.80s
Lihat kartu model Total Tes 19 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 35.1% Tes tidak stabil 3 Token output 6,145 Token penalaran 0 Waktu respons (rata-rata) 5.80s Waktu respons (total) 110.20s Waktu respons (maks) 16.45s Jawaban salah: 12 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 3.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.6 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.5 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#123#123	Qwen3 Coder Nextnone	5.2	Qwen	$0.008	9.44s
Lihat kartu model Total Tes 19 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 29.8% Tes tidak stabil 1 Token output 3,629 Token penalaran 0 Waktu respons (rata-rata) 9.44s Waktu respons (total) 122.73s Waktu respons (maks) 45.14s Jawaban salah: 12 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.6 Pemrograman : 7.3 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#122#122	DeepSeek V4 Flashnone	5.2	DeepSeek	$0.008	28.01s
Lihat kartu model Total Tes 19 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 31.6% Tes tidak stabil 2 Token output 4,464 Token penalaran 0 Waktu respons (rata-rata) 28.01s Waktu respons (total) 532.17s Waktu respons (maks) 111.96s Jawaban salah: 10 Format tambahan: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.0 Pemrograman : 6.3 Gabungan : 4.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.2 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#121#121	gpt-oss-120bnone	5.2	OpenAI	$0.011	21.86s
Lihat kartu model Total Tes 19 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 36.8% Tes tidak stabil 3 Token output 51,505 Token penalaran 0 Waktu respons (rata-rata) 21.86s Waktu respons (total) 349.78s Waktu respons (maks) 113.71s Jawaban salah: 8 Kesalahan API: 3 Tidak mengikuti instruksi: 3 Trik anti-AI : 6.5 Pemrograman : 4.3 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 4.4 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#120#120	Ling-2.6-flashnone	5.3	Inclusionai	$0.001	9.76s
Lihat kartu model Total Tes 19 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 35.1% Tes tidak stabil 2 Token output 2,878 Token penalaran 0 Waktu respons (rata-rata) 9.76s Waktu respons (total) 185.37s Waktu respons (maks) 35.34s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Trik anti-AI : 6.8 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 2.9 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#119#119	Laguna Xs.2none	5.3	Poolside	$0.000	806ms
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 33.3% Tes tidak stabil 0 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 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 : 0.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 6.5 Pemanggilan alat : 3.0 Pengetahuan umum : 0.0
#118#118	Elephant Alphanone	5.3	Openrouter	$0.000	1.23s
Lihat kartu model Total Tes 19 Tes Salah 13 Keandalan T/A Tingkat lulus per percobaan 31.5% Tes tidak stabil 1 Token output 2,573 Token penalaran 0 Waktu respons (rata-rata) 1.23s Waktu respons (total) 22.16s Waktu respons (maks) 3.81s Jawaban salah: 9 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.6 Pemrograman : 6.4 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 4.0 Pemanggilan alat : 3.0 Pengetahuan umum : 0.0
#117#117	Laguna M.1none	5.4	Poolside	$0.000	2.89s
Lihat kartu model Total Tes 19 Tes Salah 11 Keandalan 9.8 Tingkat lulus per percobaan 40.0% Tes tidak stabil 3 Token output 2,068 Token penalaran 0 Waktu respons (rata-rata) 2.89s Waktu respons (total) 43.40s Waktu respons (maks) 15.42s Jawaban salah: 10 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.6 Pemrograman : 7.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 0.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 0.0
#116#116	GLM 5 Turbonone	5.4	Z.ai	$0.032	2.91s
Lihat kartu model Total Tes 19 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 35.1% Tes tidak stabil 2 Token output 1,791 Token penalaran 0 Waktu respons (rata-rata) 2.91s Waktu respons (total) 55.35s Waktu respons (maks) 8.21s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.0 Pemrograman : 5.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.2 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#115#115	Grok 4.20none	5.4	X AI	$0.095	1.11s
Lihat kartu model Total Tes 18 Tes Salah 12 Keandalan T/A Tingkat lulus per percobaan 35.2% Tes tidak stabil 1 Token output 1,967 Token penalaran 0 Waktu respons (rata-rata) 1.11s Waktu respons (total) 20.02s 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

Perbandingan Cepat

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumTersedia gratis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Leaderboard Benchmark AI

Filter model

Perbandingan Cepat