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: 2026-09-04 Model Dievaluasi: 316

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 $0.065 / 1M Harga output $0.180 / 1M Skor 8.0/10

316/316

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#181#181	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
#231#231	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 9.6 Tingkat lulus per percobaan 45.5% Tes tidak stabil 3 Token input 51,369 Token output 8,008 Token penalaran 58,568 Waktu respons (rata-rata) 8.65s Waktu respons (total) 190.35s Waktu respons (maks) 48.19s Jawaban salah: 10 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Trik anti-AI : 8.7 Pemrograman : 3.6 Gabungan : 6.5 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#271#271	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.71s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 9.6 Tingkat lulus per percobaan 30.3% Tes tidak stabil 2 Token input 114,384 Token output 14,903 Token penalaran 0 Waktu respons (rata-rata) 10.71s Waktu respons (total) 214.28s Waktu respons (maks) 36.03s Jawaban salah: 9 Pemanggilan alat tidak valid: 3 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Trik anti-AI : 6.8 Pemrograman : 5.3 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
#307#307	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 9.6 Tingkat lulus per percobaan 19.7% Tes tidak stabil 1 Token input 99,662 Token output 146,555 Token penalaran 732,977 Waktu respons (rata-rata) 66.16s Waktu respons (total) 1389.33s Waktu respons (maks) 252.08s Tidak ada jawaban: 7 Jawaban salah: 5 Tidak mengikuti instruksi: 4 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.5 Pemrograman : 2.9 Gabungan : 3.0 Parsing dan ekstraksi data : 2.8 Spesifik domain : 3.0 Kecerdasan umum : 5.1 Kepatuhan instruksi : 6.6 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#310#310	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 9.6 Tingkat lulus per percobaan 24.2% Tes tidak stabil 3 Token input 103,898 Token output 148,304 Token penalaran 774,972 Waktu respons (rata-rata) 68.08s Waktu respons (total) 1429.66s Waktu respons (maks) 262.20s Tidak ada jawaban: 7 Jawaban salah: 5 Tidak mengikuti instruksi: 4 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.5 Pemrograman : 2.9 Gabungan : 3.0 Parsing dan ekstraksi data : 2.7 Spesifik domain : 3.0 Kecerdasan umum : 3.8 Kepatuhan instruksi : 6.8 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#3🥉 #3	GPT-6 Astramax	9.9	OpenAI	$3.803	61.27s
Lihat kartu model Total Tes 22 Tes Salah 1 Keandalan 9.5 Tingkat lulus per percobaan 95.5% Tes tidak stabil 0 Token input 79,058 Token output 4,853 Token penalaran 55,377 Waktu respons (rata-rata) 61.27s Waktu respons (total) 1347.96s Waktu respons (maks) 960.01s Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 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 : 10.0
#78#78	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Lihat kartu model Total Tes 21 Tes Salah 6 Keandalan 9.5 Tingkat lulus per percobaan 80.3% Tes tidak stabil 4 Token input 37,199 Token output 12,261 Token penalaran 49,500 Waktu respons (rata-rata) 23.28s Waktu respons (total) 488.94s Waktu respons (maks) 101.36s Jawaban salah: 3 Tidak ada jawaban: 2 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#61#61	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 9.4 Tingkat lulus per percobaan 72.7% Tes tidak stabil 2 Token input 113,279 Token output 121,045 Token penalaran 374,496 Waktu respons (rata-rata) 118.97s Waktu respons (total) 2617.41s Waktu respons (maks) 534.21s Jawaban salah: 4 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 7.8 Gabungan : 8.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.2 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#110#110	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 9.4 Tingkat lulus per percobaan 74.2% Tes tidak stabil 4 Token input 108,931 Token output 112,801 Token penalaran 343,227 Waktu respons (rata-rata) 120.59s Waktu respons (total) 2653.05s Waktu respons (maks) 532.28s Jawaban salah: 3 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 : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#272#272	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 9.2 Tingkat lulus per percobaan 27.3% Tes tidak stabil 2 Token input 63,528 Token output 6,432 Token penalaran 0 Waktu respons (rata-rata) 6.04s Waktu respons (total) 132.96s Waktu respons (maks) 20.00s Jawaban salah: 15 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 3.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.6 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.5 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#217#217	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
#71#71	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 9.0 Tingkat lulus per percobaan 77.3% Tes tidak stabil 2 Token input 34,960 Token output 2,887 Token penalaran 221,241 Waktu respons (rata-rata) 142.84s Waktu respons (total) 2714.02s Waktu respons (maks) 766.58s Kesalahan API: 2 Tidak ada jawaban: 2 Format tambahan: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.5 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#258#258	Granite 4.2 8Blow	5.1	IBM Granite	$0.012	54.36s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 9.0 Tingkat lulus per percobaan 31.8% Tes tidak stabil 0 Token input 74,721 Token output 9,205 Token penalaran 18,723 Waktu respons (rata-rata) 54.36s Waktu respons (total) 1195.97s Waktu respons (maks) 566.80s Jawaban salah: 10 Kedaluwarsa: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#138#138	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.116	93.10s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 8.7 Tingkat lulus per percobaan 57.6% Tes tidak stabil 3 Token input 125,704 Token output 10,781 Token penalaran 247,541 Waktu respons (rata-rata) 93.10s Waktu respons (total) 1768.91s Waktu respons (maks) 301.78s Jawaban salah: 5 Kedaluwarsa: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 6.6 Pemrograman : 5.5 Gabungan : 7.3 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
#254#254	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 8.7 Tingkat lulus per percobaan 34.9% Tes tidak stabil 1 Token input 52,909 Token output 7,058 Token penalaran 12,272 Waktu respons (rata-rata) 45.97s Waktu respons (total) 1011.42s Waktu respons (maks) 557.96s Jawaban salah: 9 Kedaluwarsa: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.4 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 3.8 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#263#263	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 8.7 Tingkat lulus per percobaan 18.2% Tes tidak stabil 0 Token input 130,501 Token output 26,786 Token penalaran 0 Waktu respons (rata-rata) 29.95s Waktu respons (total) 658.83s Waktu respons (maks) 159.85s Jawaban salah: 12 Format tambahan: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Trik anti-AI : 3.0 Pemrograman : 3.9 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 3.9 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.5 Pemanggilan alat : 9.5 Pengetahuan umum : 3.0
#143#143	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 8.6 Tingkat lulus per percobaan 63.6% Tes tidak stabil 5 Token input 81,970 Token output 7,186 Token penalaran 403,389 Waktu respons (rata-rata) 124.18s Waktu respons (total) 2732.03s Waktu respons (maks) 675.30s Kesalahan API: 5 Jawaban salah: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 6.2 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.6 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.8 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#248#248	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 8.6 Tingkat lulus per percobaan 36.4% Tes tidak stabil 5 Token input 159,749 Token output 23,433 Token penalaran 0 Waktu respons (rata-rata) 14.67s Waktu respons (total) 322.71s Waktu respons (maks) 132.84s Jawaban salah: 11 Format tambahan: 2 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 3.0 Pemrograman : 3.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#294#294	GLM 4.7 Flashmedium	4.3	Z.ai	$0.168	134.34s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 8.6 Tingkat lulus per percobaan 31.8% Tes tidak stabil 8 Token input 79,104 Token output 42,254 Token penalaran 377,280 Waktu respons (rata-rata) 134.34s Waktu respons (total) 2015.13s Waktu respons (maks) 1539.97s Jawaban salah: 9 Tidak ada jawaban: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Kedaluwarsa: 2 Trik anti-AI : 4.7 Pemrograman : 3.2 Gabungan : 2.9 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
#296#296	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Lihat kartu model Total Tes 22 Tes Salah 19 Keandalan 8.6 Tingkat lulus per percobaan 16.7% Tes tidak stabil 2 Token input 57,786 Token output 130,805 Token penalaran 0 Waktu respons (rata-rata) 86.27s Waktu respons (total) 1897.96s Waktu respons (maks) 747.17s Jawaban salah: 11 Format tambahan: 4 Kedaluwarsa: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 4.9 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 2.9 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#86#86	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 8.5 Tingkat lulus per percobaan 77.3% Tes tidak stabil 6 Token input 85,657 Token output 8,142 Token penalaran 233,167 Waktu respons (rata-rata) 72.24s Waktu respons (total) 1589.31s Waktu respons (maks) 485.92s Jawaban salah: 6 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.7 Pemrograman : 7.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 6.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 9.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#216#216	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
#134#134	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 8.1 Tingkat lulus per percobaan 65.2% Tes tidak stabil 4 Token input 82,592 Token output 16,089 Token penalaran 199,800 Waktu respons (rata-rata) 58.80s Waktu respons (total) 1234.72s Waktu respons (maks) 308.75s Jawaban salah: 4 Tidak ada jawaban: 2 Kedaluwarsa: 2 Kesalahan API: 1 Format tambahan: 1 Trik anti-AI : 10.0 Pemrograman : 4.6 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 8.2 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#287#287	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 7.6 Tingkat lulus per percobaan 39.4% Tes tidak stabil 10 Token input 43,278 Token output 181,083 Token penalaran 431,132 Waktu respons (rata-rata) 235.89s Waktu respons (total) 5189.64s Waktu respons (maks) 685.87s Kedaluwarsa: 10 Jawaban salah: 6 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 6.9 Pemrograman : 3.8 Gabungan : 5.0 Parsing dan ekstraksi data : 3.8 Spesifik domain : 2.9 Kecerdasan umum : 5.5 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 2.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#147#147	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 7.3 Tingkat lulus per percobaan 63.6% Tes tidak stabil 7 Token input 76,036 Token output 7,267 Token penalaran 364,176 Waktu respons (rata-rata) 101.05s Waktu respons (total) 2223.19s Waktu respons (maks) 626.58s Kesalahan API: 6 Jawaban salah: 4 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.9 Pemrograman : 8.9 Gabungan : 4.7 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0

Tren benchmark global

Lihat bagaimana model saat ini menyeimbangkan skor, biaya, kecepatan, panjang output, dan kekuatan per kategori.

Grafik →

Frontier Pareto: kecerdasan vs biaya

Perkembangan skor terbaik perusahaan terdepan

Frontier Pareto: kecerdasan vs kecepatan respons

Frontier Pareto Skor vs Token Output

Tingkat kesulitan kategori lintas model

Perbandingan Cepat

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium