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: 2026-10-17 Model Dievaluasi: 442

Model rekomendasi

GPT-6.1 Sol xhigh Cerdas Tingkat lulus per percobaan 97.1% Tes benar 22 / 23 Skor 9.9/10 Gemini 3.7 Flash low Cepat Waktu respons (rata-rata) 6.24s Total token output 38,453 Skor 9.4/10 GPT-6 Luna high Terjangkau Harga input $0.100 / 1M Harga output $0.500 / 1M Harga baca cache $0.010 / 1M Harga tulis cache $0.125 / 1M Skor 7.7/10

442/442

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#305#305	Nemotron 3.5 Super VLnone	5.5	NVIDIA	$0.040	46.97s
Lihat kartu model Total Tes 23 Tes Salah 15 Keandalan 9.7 Tingkat lulus per percobaan 43.5% Tes tidak stabil 4 Token input 251,253 Token output 3,892 Token penalaran 0 Waktu respons (rata-rata) 46.97s Waktu respons (total) 1080.29s Waktu respons (maks) 872.07s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 5.0 Trik anti-AI : 6.5 Pemrograman : 3.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 4.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#306#306	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Lihat kartu model Total Tes 23 Tes Salah 15 Keandalan 9.5 Tingkat lulus per percobaan 42.0% Tes tidak stabil 4 Token input 229,346 Token output 18,597 Token penalaran 129,338 Waktu respons (rata-rata) 56.40s Waktu respons (total) 1184.46s Waktu respons (maks) 431.98s Jawaban salah: 6 Kesalahan API: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 4.7 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
#309#309	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Lihat kartu model Total Tes 23 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 37.7% Tes tidak stabil 1 Token input 39,886 Token output 1,890 Token penalaran 0 Waktu respons (rata-rata) 6.00s Waktu respons (total) 138.04s Waktu respons (maks) 118.00s Jawaban salah: 13 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 3.0 Trik anti-AI : 3.0 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#316#316	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Lihat kartu model Total Tes 23 Tes Salah 15 Keandalan 8.9 Tingkat lulus per percobaan 42.0% Tes tidak stabil 4 Token input 166,347 Token output 423,884 Token penalaran 1,394,387 Waktu respons (rata-rata) 140.39s Waktu respons (total) 3229.07s Waktu respons (maks) 786.72s Jawaban salah: 10 Format tambahan: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 3.9 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
#320#320	Ember-1none	5.4	Fireworks	$0.786	22.65s
Lihat kartu model Total Tes 23 Tes Salah 15 Keandalan 8.8 Tingkat lulus per percobaan 43.5% Tes tidak stabil 4 Token input 202,617 Token output 11,832 Token penalaran 0 Waktu respons (rata-rata) 22.65s Waktu respons (total) 520.91s Waktu respons (maks) 93.12s Jawaban salah: 10 Kesalahan API: 5 Tugas agen : 6.1 Trik anti-AI : 5.2 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.4 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#337#337	KAT Coder AIR V2.5medium	5.1	Kwaipilot	$0.048	8.32s
Lihat kartu model Total Tes 23 Tes Salah 15 Keandalan 9.6 Tingkat lulus per percobaan 43.5% Tes tidak stabil 3 Token input 51,369 Token output 8,008 Token penalaran 58,568 Waktu respons (rata-rata) 8.32s Waktu respons (total) 191.40s Waktu respons (maks) 48.19s Jawaban salah: 10 Kesalahan API: 2 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Tugas agen : 3.0 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
#371#371	Mimo V2 PROdefault	4.6	Xiaomi	$0.045 ↓	2.27s
Lihat kartu model Total Tes 21 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 37.7% Tes tidak stabil 3 Token input 39,344 Token output 2,352 Token penalaran 0 Waktu respons (rata-rata) 2.27s Waktu respons (total) 45.50s Waktu respons (maks) 6.58s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Tugas agen : 0.0 Trik anti-AI : 3.5 Pemrograman : 5.5 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#372#372	Owl Alphadefault	4.6	Openrouter	$0.000	9.88s
Lihat kartu model Total Tes 21 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 33.3% Tes tidak stabil 1 Token input 42,283 Token output 5,913 Token penalaran 0 Waktu respons (rata-rata) 9.88s Waktu respons (total) 207.38s Waktu respons (maks) 47.10s Jawaban salah: 10 Tidak mengikuti instruksi: 3 Format tambahan: 1 Tugas agen : 0.0 Trik anti-AI : 3.4 Pemrograman : 5.6 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#402#402	Grok 4.20 Betadefault	3.6	X AI	$0.087 ↓	1.19s
Lihat kartu model Total Tes 18 Tes Salah 12 Keandalan T/A Tingkat lulus per percobaan 29.0% 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 Tugas agen : 0.0 Trik anti-AI : 4.0 Pemrograman : 1.8 Gabungan : 1.5 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 Pengetahuan umum : 0.0
#406#406	Hunter Alphadefault	3.5	OpenRouter	$0.000	4.70s
Lihat kartu model Total Tes 18 Tes Salah 12 Keandalan T/A Tingkat lulus per percobaan 36.2% Tes tidak stabil 4 Token input 34,329 Token output 2,264 Token penalaran 0 Waktu respons (rata-rata) 4.70s Waktu respons (total) 79.86s Waktu respons (maks) 15.17s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Tugas agen : 0.0 Trik anti-AI : 3.5 Pemrograman : 1.0 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 5.8 Pemanggilan alat : 10.0 Pengetahuan umum : 0.0
#407#407	Grok 4.20none	3.4	X AI	$0.057 ↓	1.11s
Lihat kartu model Total Tes 18 Tes Salah 12 Keandalan T/A Tingkat lulus per percobaan 26.1% 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 Tugas agen : 0.0 Trik anti-AI : 4.8 Pemrograman : 1.1 Gabungan : 1.5 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 Pengetahuan umum : 0.0
#421#421	d1-ultradefault	2.7	Liquid	$0.003	531ms
Lihat kartu model Total Tes 12 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 20.3% Tes tidak stabil 1 Token input 55,956 Token output 0 Token penalaran 0 Waktu respons (rata-rata) 531ms Waktu respons (total) 6.38s Waktu respons (maks) 697ms Jawaban salah: 7 Tidak mengikuti instruksi: 1 Tugas agen : 0.0 Trik anti-AI : 4.0 Pemrograman : 5.3 Gabungan : 0.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 0.0 Kepatuhan instruksi : 1.5 Pemecahan teka-teki : 1.7 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0
#425#425	Decider V1.1 27Bdefault	2.6	Perplexity	$0.002	320ms
Lihat kartu model Total Tes 12 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 17.4% Tes tidak stabil 0 Token input 73,557 Token output 69 Token penalaran 0 Waktu respons (rata-rata) 320ms Waktu respons (total) 3.84s Waktu respons (maks) 491ms Jawaban salah: 8 Tugas agen : 0.0 Trik anti-AI : 4.0 Pemrograman : 4.9 Gabungan : 0.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 0.0 Kepatuhan instruksi : 1.5 Pemecahan teka-teki : 1.7 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0
#426#426	Drex v1.5default	2.4	Nace AI	$0.002	986ms
Lihat kartu model Total Tes 12 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 17.4% Tes tidak stabil 0 Token input 42,804 Token output 27,468 Token penalaran 0 Waktu respons (rata-rata) 986ms Waktu respons (total) 11.84s Waktu respons (maks) 1.38s Jawaban salah: 8 Tugas agen : 0.0 Trik anti-AI : 4.0 Pemrograman : 4.5 Gabungan : 0.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 0.0 Kepatuhan instruksi : 1.5 Pemecahan teka-teki : 1.0 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0
#429#429	Jev 1.14default	2.3	Typesafe	$0.003	377ms
Lihat kartu model Total Tes 12 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 23.2% Tes tidak stabil 2 Token input 67,092 Token output 18,927 Token penalaran 0 Waktu respons (rata-rata) 377ms Waktu respons (total) 4.52s Waktu respons (maks) 546ms Jawaban salah: 7 Tidak mengikuti instruksi: 1 Tugas agen : 0.0 Trik anti-AI : 4.0 Pemrograman : 2.7 Gabungan : 0.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 7.7 Kecerdasan umum : 0.0 Kepatuhan instruksi : 1.5 Pemecahan teka-teki : 1.7 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0
#381#381	Cobuddymedium	4.4	Baidu	$0.000	38.01s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 43.5% Tes tidak stabil 6 Token input 37,449 Token output 1,677 Token penalaran 116,703 Waktu respons (rata-rata) 38.01s Waktu respons (total) 798.15s Waktu respons (maks) 309.02s Jawaban salah: 9 Tidak mengikuti instruksi: 3 Kesalahan API: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 3.0 Trik anti-AI : 8.7 Pemrograman : 3.7 Gabungan : 1.5 Parsing dan ekstraksi data : 6.3 Spesifik domain : 2.9 Kecerdasan umum : 4.2 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#409#409	Laguna Xs.2medium	3.3	Poolside	$0.015 ↕	6.73s
Lihat kartu model Total Tes 19 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 42.0% Tes tidak stabil 6 Token input 39,481 Token output 54,218 Token penalaran 0 Waktu respons (rata-rata) 6.73s Waktu respons (total) 100.98s Waktu respons (maks) 29.11s Jawaban salah: 6 Kesalahan API: 4 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 0.0 Trik anti-AI : 6.9 Pemrograman : 2.1 Gabungan : 1.5 Parsing dan ekstraksi data : 7.1 Spesifik domain : 4.1 Kecerdasan umum : 3.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#232#232	Qwen3.5-122B-A10Bnone	6.4	Qwen	$0.308 ↓	14.79s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 36.2% Tes tidak stabil 2 Token input 405,921 Token output 97,112 Token penalaran 0 Waktu respons (rata-rata) 14.79s Waktu respons (total) 340.25s Waktu respons (maks) 212.63s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 4.8 Pemrograman : 3.7 Gabungan : 5.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.8 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#269#269	Inklingnone	6.1	Thinkingmachines	$0.292 ↓	5.30s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 31.9% Tes tidak stabil 1 Token input 236,599 Token output 11,561 Token penalaran 4,975 Waktu respons (rata-rata) 5.30s Waktu respons (total) 121.91s Waktu respons (maks) 48.02s Jawaban salah: 13 Format tambahan: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 4.8 Pemrograman : 4.5 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.6 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#283#283	Qwen3.6 Flashnone	5.9	Qwen	$0.139 ↓	7.63s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 33.3% Tes tidak stabil 1 Token input 388,929 Token output 57,714 Token penalaran 0 Waktu respons (rata-rata) 7.63s Waktu respons (total) 175.42s Waktu respons (maks) 93.47s Jawaban salah: 13 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Tugas agen : 5.0 Trik anti-AI : 3.1 Pemrograman : 5.4 Gabungan : 3.8 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
#284#284	Claude Sonnet 5none	5.9	Anthropic	$1.095	8.60s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 40.6% Tes tidak stabil 5 Token input 393,560 Token output 30,466 Token penalaran 311 Waktu respons (rata-rata) 8.60s Waktu respons (total) 197.73s Waktu respons (maks) 64.73s Jawaban salah: 9 Format tambahan: 4 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Tugas agen : 4.7 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
#286#286	Qwen3.7 Flashnone	5.9	Qwen	$0.028	14.70s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 36.2% Tes tidak stabil 3 Token input 410,787 Token output 117,742 Token penalaran 0 Waktu respons (rata-rata) 14.70s Waktu respons (total) 338.13s Waktu respons (maks) 186.24s Jawaban salah: 14 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 4.7 Trik anti-AI : 3.0 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#289#289	DeepSeek V4.1 Flashnone	5.8	DeepSeek	$0.391 ↑	16.63s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 9.7 Tingkat lulus per percobaan 36.2% Tes tidak stabil 3 Token input 337,756 Token output 292,779 Token penalaran 0 Waktu respons (rata-rata) 16.63s Waktu respons (total) 382.53s Waktu respons (maks) 247.66s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 7.4 Trik anti-AI : 3.7 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 7.7 Kecerdasan umum : 5.5 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#300#300	GPT-5.4none	5.6	OpenAI	$0.690	3.89s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 33.3% Tes tidak stabil 2 Token input 219,404 Token output 9,372 Token penalaran 0 Waktu respons (rata-rata) 3.89s Waktu respons (total) 89.48s Waktu respons (maks) 43.73s Jawaban salah: 15 Tidak mengikuti instruksi: 1 Tugas agen : 5.0 Trik anti-AI : 3.2 Pemrograman : 5.5 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
#301#301	Solar Pro 4none	5.6	Upstage	$0.022	8.14s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 31.9% Tes tidak stabil 1 Token input 305,664 Token output 13,249 Token penalaran 0 Waktu respons (rata-rata) 8.14s Waktu respons (total) 187.23s Waktu respons (maks) 69.17s Jawaban salah: 14 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 5.0 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 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 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow