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)
#310#310	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 9.9 Tingkat lulus per percobaan 40.6% Tes tidak stabil 5 Token input 222,357 Token output 6,855 Token penalaran 0 Waktu respons (rata-rata) 20.48s Waktu respons (total) 470.96s Waktu respons (maks) 98.62s Jawaban salah: 13 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 5.0 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 5.1 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#323#323	Granite 4.2 8Blow	5.3	IBM Granite	$0.036	58.20s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 9.2 Tingkat lulus per percobaan 33.3% Tes tidak stabil 1 Token input 332,917 Token output 18,989 Token penalaran 42,362 Waktu respons (rata-rata) 58.20s Waktu respons (total) 1338.65s Waktu respons (maks) 566.80s Jawaban salah: 11 Kedaluwarsa: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 6.1 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
#331#331	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 9.8 Tingkat lulus per percobaan 40.6% Tes tidak stabil 5 Token input 50,423 Token output 4,144 Token penalaran 110,510 Waktu respons (rata-rata) 15.23s Waktu respons (total) 350.26s Waktu respons (maks) 118.35s Jawaban salah: 9 Kesalahan API: 4 Format tambahan: 3 Tugas agen : 3.0 Trik anti-AI : 6.9 Pemrograman : 4.3 Gabungan : 6.5 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#345#345	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
Lihat kartu model Total Tes 23 Tes Salah 16 Keandalan 9.9 Tingkat lulus per percobaan 42.0% Tes tidak stabil 6 Token input 61,094 Token output 6,532 Token penalaran 53,882 Waktu respons (rata-rata) 10.21s Waktu respons (total) 234.86s Waktu respons (maks) 86.23s Jawaban salah: 7 Format tambahan: 4 Kesalahan API: 3 Tidak mengikuti instruksi: 2 Tugas agen : 3.0 Trik anti-AI : 7.3 Pemrograman : 3.5 Gabungan : 6.4 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#386#386	gpt-oss-120bnone	4.2	OpenAI	$0.016 ↓	28.63s
Lihat kartu model Total Tes 20 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 34.8% Tes tidak stabil 3 Token input 131,652 Token output 16,869 Token penalaran 53,081 Waktu respons (rata-rata) 28.63s Waktu respons (total) 486.69s Waktu respons (maks) 140.90s Jawaban salah: 9 Kesalahan API: 3 Tidak mengikuti instruksi: 2 Tugas agen : 6.1 Trik anti-AI : 6.5 Pemrograman : 1.5 Gabungan : 1.5 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 6.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#387#387	GLM 5 Turbonone	4.2	Z.ai	$0.047 ↑	2.82s
Lihat kartu model Total Tes 21 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 29.0% Tes tidak stabil 2 Token input 32,525 Token output 1,815 Token penalaran 0 Waktu respons (rata-rata) 2.82s Waktu respons (total) 59.29s Waktu respons (maks) 8.21s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Tugas agen : 0.0 Trik anti-AI : 3.0 Pemrograman : 3.9 Gabungan : 1.5 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
#405#405	Elephant Alphamedium	3.5	Openrouter	$0.000	1.27s
Lihat kartu model Total Tes 21 Tes Salah 15 Keandalan T/A Tingkat lulus per percobaan 27.5% 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: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 0.0 Trik anti-AI : 6.6 Pemrograman : 3.7 Gabungan : 1.5 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
#439#439	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Lihat kartu model Total Tes 7 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 14.5% Tes tidak stabil 3 Token input 47,586 Token output 51 Token penalaran 0 Waktu respons (rata-rata) 6.01s Waktu respons (total) 42.05s Waktu respons (maks) 13.10s Jawaban salah: 5 Tugas agen : 0.0 Trik anti-AI : 0.8 Pemrograman : 0.0 Gabungan : 0.0 Parsing dan ekstraksi data : 3.7 Spesifik domain : 4.3 Kecerdasan umum : 0.0 Kepatuhan instruksi : 5.0 Pemecahan teka-teki : 1.0 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0
#416#416	Laguna Xs.2default	3.1	Poolside	$0.004 ↕	806ms
Lihat kartu model Total Tes 19 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 21.7% 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 Tugas agen : 0.0 Trik anti-AI : 3.0 Pemrograman : 0.8 Gabungan : 1.5 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
#292#292	Trinity Large Thinkinghigh	5.7	Arcee AI	$0.794 ↑	74.52s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 42.0% Tes tidak stabil 8 Token input 283,116 Token output 277,920 Token penalaran 665,124 Waktu respons (rata-rata) 74.52s Waktu respons (total) 1713.90s Waktu respons (maks) 510.21s Jawaban salah: 10 Tidak mengikuti instruksi: 4 Pemanggilan alat tidak valid: 2 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 6.7 Pemrograman : 3.7 Gabungan : 3.0 Parsing dan ekstraksi data : 6.3 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 4.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#294#294	GPT-5.4 Mininone	5.7	OpenAI	$0.170	3.34s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 30.4% Tes tidak stabil 2 Token input 172,438 Token output 8,828 Token penalaran 0 Waktu respons (rata-rata) 3.34s Waktu respons (total) 76.84s Waktu respons (maks) 41.98s Jawaban salah: 14 Tidak mengikuti instruksi: 3 Tugas agen : 5.0 Trik anti-AI : 3.1 Pemrograman : 5.5 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.4 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#295#295	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 9.7 Tingkat lulus per percobaan 31.9% Tes tidak stabil 2 Token input 257,872 Token output 54,388 Token penalaran 0 Waktu respons (rata-rata) 20.43s Waktu respons (total) 469.88s Waktu respons (maks) 192.80s Jawaban salah: 15 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 6.1 Trik anti-AI : 3.6 Pemrograman : 4.7 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.3 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 7.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#304#304	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.120 ↓	18.31s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 37.7% Tes tidak stabil 4 Token input 218,886 Token output 135,768 Token penalaran 0 Waktu respons (rata-rata) 18.31s Waktu respons (total) 421.19s Waktu respons (maks) 209.15s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 3.9 Trik anti-AI : 3.4 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.5 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#307#307	Kimi K2.6none	5.5	Moonshot AI	$0.486 ↑	26.34s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 30.4% Tes tidak stabil 3 Token input 241,357 Token output 64,021 Token penalaran 1 Waktu respons (rata-rata) 26.34s Waktu respons (total) 605.78s Waktu respons (maks) 238.89s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Tugas agen : 4.7 Trik anti-AI : 4.6 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#313#313	Seed-2.0-Codenone	5.4	Bytedance Seed	$0.257	17.51s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 9.0 Tingkat lulus per percobaan 37.7% Tes tidak stabil 6 Token input 319,668 Token output 32,069 Token penalaran 0 Waktu respons (rata-rata) 17.51s Waktu respons (total) 402.66s Waktu respons (maks) 132.84s Jawaban salah: 12 Format tambahan: 2 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Tugas agen : 6.1 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
#318#318	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.060	6.20s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 30.4% Tes tidak stabil 2 Token input 276,697 Token output 75,728 Token penalaran 0 Waktu respons (rata-rata) 6.20s Waktu respons (total) 142.63s Waktu respons (maks) 62.57s Jawaban salah: 15 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 5.0 Trik anti-AI : 4.8 Pemrograman : 3.7 Gabungan : 3.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#322#322	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 34.8% Tes tidak stabil 3 Token input 230,744 Token output 8,000 Token penalaran 0 Waktu respons (rata-rata) 3.78s Waktu respons (total) 86.83s Waktu respons (maks) 53.77s Jawaban salah: 15 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 5.0 Trik anti-AI : 4.8 Pemrograman : 3.8 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.0 Kepatuhan instruksi : 7.1 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#329#329	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 26.1% Tes tidak stabil 0 Token input 123,993 Token output 12,777 Token penalaran 0 Waktu respons (rata-rata) 3.40s Waktu respons (total) 74.77s Waktu respons (maks) 17.51s Jawaban salah: 13 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 3.0 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#336#336	Mercury 2.5low	5.1	Inception	$0.020	3.34s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 9.8 Tingkat lulus per percobaan 37.7% Tes tidak stabil 5 Token input 326,083 Token output 7,224 Token penalaran 33,078 Waktu respons (rata-rata) 3.34s Waktu respons (total) 76.80s Waktu respons (maks) 47.06s Jawaban salah: 14 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 5.0 Trik anti-AI : 6.9 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.6 Kecerdasan umum : 4.4 Kepatuhan instruksi : 2.9 Pemecahan teka-teki : 5.9 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0
#341#341	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 9.9 Tingkat lulus per percobaan 44.9% Tes tidak stabil 8 Token input 235,438 Token output 8,136 Token penalaran 28,734 Waktu respons (rata-rata) 4.92s Waktu respons (total) 113.24s Waktu respons (maks) 84.47s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Tidak ada jawaban: 1 Tugas agen : 5.0 Trik anti-AI : 5.6 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.3 Spesifik domain : 4.1 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 8.2 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#364#364	DeepSeek V3.2none	4.6	DeepSeek	$0.119 ↑	22.44s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 34.8% Tes tidak stabil 5 Token input 342,158 Token output 32,853 Token penalaran 25,013 Waktu respons (rata-rata) 22.44s Waktu respons (total) 516.03s Waktu respons (maks) 122.50s Jawaban salah: 9 Kesalahan API: 3 Format tambahan: 2 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Tugas agen : 3.0 Trik anti-AI : 3.2 Pemrograman : 3.1 Gabungan : 4.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.0 Kecerdasan umum : 4.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#373#373	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Lihat kartu model Total Tes 23 Tes Salah 17 Keandalan 9.6 Tingkat lulus per percobaan 29.0% Tes tidak stabil 2 Token input 114,384 Token output 14,903 Token penalaran 0 Waktu respons (rata-rata) 10.21s Waktu respons (total) 214.31s Waktu respons (maks) 36.03s Jawaban salah: 9 Kesalahan API: 3 Pemanggilan alat tidak valid: 3 Tidak mengikuti instruksi: 2 Tugas agen : 3.0 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
#427#427	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Lihat kartu model Total Tes 12 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 13.0% Tes tidak stabil 0 Token input 47,583 Token output 0 Token penalaran 0 Waktu respons (rata-rata) 495ms Waktu respons (total) 5.94s Waktu respons (maks) 842ms Jawaban salah: 8 Tidak mengikuti instruksi: 1 Tugas agen : 0.0 Trik anti-AI : 2.3 Pemrograman : 2.5 Gabungan : 0.0 Parsing dan ekstraksi data : 10.0 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
#428#428	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Lihat kartu model Total Tes 12 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 15.9% Tes tidak stabil 1 Token input 42,804 Token output 28,061 Token penalaran 0 Waktu respons (rata-rata) 5.63s Waktu respons (total) 67.61s Waktu respons (maks) 17.79s Jawaban salah: 9 Tugas agen : 0.0 Trik anti-AI : 2.3 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 : 2.0 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0
#430#430	Classify-1default	2.2	Scaledown	$0.008	4.58s
Lihat kartu model Total Tes 12 Tes Salah 9 Keandalan 9.4 Tingkat lulus per percobaan 18.8% Tes tidak stabil 2 Token input 195,645 Token output 164 Token penalaran 0 Waktu respons (rata-rata) 4.58s Waktu respons (total) 55.01s Waktu respons (maks) 13.35s Jawaban salah: 8 Kesalahan API: 1 Tugas agen : 0.0 Trik anti-AI : 4.0 Pemrograman : 2.7 Gabungan : 0.0 Parsing dan ekstraksi data : 7.3 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

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