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: 2026-10-19 Model Dievaluasi: 451

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

451/451

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#304#304	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
#311#311	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
Lihat kartu model Total Tes 23 Tes Salah 13 Keandalan 9.7 Tingkat lulus per percobaan 58.0% Tes tidak stabil 7 Token input 261,256 Token output 1,425,268 Token penalaran 0 Waktu respons (rata-rata) 138.27s Waktu respons (total) 3180.10s Waktu respons (maks) 436.56s Tidak ada jawaban: 7 Kesalahan API: 2 Jawaban salah: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 3.4 Trik anti-AI : 6.9 Pemrograman : 2.7 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 3.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#314#314	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
#343#343	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Lihat kartu model Total Tes 23 Tes Salah 18 Keandalan 9.7 Tingkat lulus per percobaan 42.0% Tes tidak stabil 8 Token input 321,955 Token output 41,555 Token penalaran 94,946 Waktu respons (rata-rata) 12.68s Waktu respons (total) 291.66s Waktu respons (maks) 59.15s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Tidak ada jawaban: 1 Tugas agen : 5.0 Trik anti-AI : 5.6 Pemrograman : 4.4 Gabungan : 3.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 3.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Lihat kartu model Total Tes 23 Tes Salah 1 Keandalan 9.6 Tingkat lulus per percobaan 95.7% Tes tidak stabil 0 Token input 181,223 Token output 5,707 Token penalaran 58,909 Waktu respons (rata-rata) 61.63s Waktu respons (total) 1417.51s Waktu respons (maks) 960.01s Kedaluwarsa: 1 Tugas agen : 10.0 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
#45#45	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.6 Tingkat lulus per percobaan 81.2% Tes tidak stabil 5 Token input 271,242 Token output 11,803 Token penalaran 397,838 Waktu respons (rata-rata) 92.38s Waktu respons (total) 2124.67s Waktu respons (maks) 482.30s Kesalahan API: 2 Jawaban salah: 2 Format tambahan: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#64#64	DeepSeek V4.1 Flashmedium	8.7	DeepSeek	$0.591 ↑	32.88s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.6 Tingkat lulus per percobaan 73.9% Tes tidak stabil 2 Token input 280,643 Token output 7,342 Token penalaran 437,323 Waktu respons (rata-rata) 32.88s Waktu respons (total) 756.34s Waktu respons (maks) 276.31s Jawaban salah: 5 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#83#83	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.6 Tingkat lulus per percobaan 73.9% Tes tidak stabil 2 Token input 313,881 Token output 123,706 Token penalaran 388,328 Waktu respons (rata-rata) 120.40s Waktu respons (total) 2769.16s Waktu respons (maks) 534.21s Jawaban salah: 5 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 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
#97#97	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.6 Tingkat lulus per percobaan 71.0% Tes tidak stabil 3 Token input 369,495 Token output 172,852 Token penalaran 476,002 Waktu respons (rata-rata) 88.74s Waktu respons (total) 2041.10s Waktu respons (maks) 567.88s Tidak ada jawaban: 4 Jawaban salah: 3 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#102#102	GLM 5.2medium	8.2	Z.ai	$1.007 ↑	26.88s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 9.6 Tingkat lulus per percobaan 81.2% Tes tidak stabil 4 Token input 227,164 Token output 20,029 Token penalaran 60,991 Waktu respons (rata-rata) 26.88s Waktu respons (total) 591.34s Waktu respons (maks) 102.40s Jawaban salah: 3 Tidak ada jawaban: 2 Kedaluwarsa: 1 Tugas agen : 10.0 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
#109#109	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.494 ↑	28.04s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.6 Tingkat lulus per percobaan 73.9% Tes tidak stabil 4 Token input 266,849 Token output 8,284 Token penalaran 363,263 Waktu respons (rata-rata) 28.04s Waktu respons (total) 645.03s Waktu respons (maks) 149.84s Jawaban salah: 7 Kesalahan API: 1 Tugas agen : 6.1 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#122#122	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.6 Tingkat lulus per percobaan 75.4% Tes tidak stabil 4 Token input 295,642 Token output 115,041 Token penalaran 353,398 Waktu respons (rata-rata) 120.88s Waktu respons (total) 2780.16s Waktu respons (maks) 532.28s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 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
#212#212	Grok 4.7high	6.7	X AI	$3.037	122.19s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 9.6 Tingkat lulus per percobaan 72.5% Tes tidak stabil 7 Token input 329,276 Token output 8,172 Token penalaran 479,012 Waktu respons (rata-rata) 122.19s Waktu respons (total) 2810.40s Waktu respons (maks) 573.57s Tidak ada jawaban: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Jawaban salah: 2 Kesalahan API: 1 Tugas agen : 3.0 Trik anti-AI : 8.7 Pemrograman : 6.0 Gabungan : 8.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.1 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#244#244	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Lihat kartu model Total Tes 23 Tes Salah 13 Keandalan 9.6 Tingkat lulus per percobaan 60.9% Tes tidak stabil 8 Token input 292,271 Token output 55,025 Token penalaran 186,071 Waktu respons (rata-rata) 125.76s Waktu respons (total) 2137.84s Waktu respons (maks) 566.79s Jawaban salah: 5 Kedaluwarsa: 3 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 3.9 Trik anti-AI : 7.3 Pemrograman : 6.1 Gabungan : 6.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#279#279	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
Lihat kartu model Total Tes 23 Tes Salah 13 Keandalan 9.6 Tingkat lulus per percobaan 53.6% Tes tidak stabil 5 Token input 261,842 Token output 1,434,621 Token penalaran 0 Waktu respons (rata-rata) 136.10s Waktu respons (total) 3130.27s Waktu respons (maks) 438.09s Tidak ada jawaban: 6 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 6.1 Trik anti-AI : 6.4 Pemrograman : 2.8 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 3.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.8 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#339#339	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	77.08s
Lihat kartu model Total Tes 23 Tes Salah 18 Keandalan 9.6 Tingkat lulus per percobaan 47.8% Tes tidak stabil 12 Token input 170,517 Token output 149,968 Token penalaran 509,725 Waktu respons (rata-rata) 77.08s Waktu respons (total) 1772.78s Waktu respons (maks) 490.99s Jawaban salah: 11 Tidak mengikuti instruksi: 4 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 3.5 Trik anti-AI : 5.5 Pemrograman : 4.4 Gabungan : 6.4 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 3.7 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#341#341	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 9.6 Tingkat lulus per percobaan 66.7% 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 Tugas agen : 0.0 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
#346#346	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
#382#382	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
#409#409	Ling 3.0 Tinylow	3.7	Inclusionai	$0.000	63.15s
Lihat kartu model Total Tes 23 Tes Salah 19 Keandalan 9.6 Tingkat lulus per percobaan 18.8% Tes tidak stabil 1 Token input 99,662 Token output 146,555 Token penalaran 732,977 Waktu respons (rata-rata) 63.15s Waktu respons (total) 1389.35s Waktu respons (maks) 252.08s Tidak ada jawaban: 7 Jawaban salah: 5 Tidak mengikuti instruksi: 4 Kesalahan API: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 3.0 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
#410#410	Ling 3.0 Tinymedium	3.6	Inclusionai	$0.000	64.99s
Lihat kartu model Total Tes 23 Tes Salah 19 Keandalan 9.6 Tingkat lulus per percobaan 23.2% Tes tidak stabil 3 Token input 103,898 Token output 148,304 Token penalaran 774,972 Waktu respons (rata-rata) 64.99s Waktu respons (total) 1429.68s Waktu respons (maks) 262.20s Tidak ada jawaban: 7 Jawaban salah: 5 Tidak mengikuti instruksi: 4 Kesalahan API: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 3.0 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
#68#68	MiMo-V2.6-Promedium	8.7	Xiaomi	$0.586	148.11s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 9.5 Tingkat lulus per percobaan 78.3% Tes tidak stabil 7 Token input 298,476 Token output 7,762 Token penalaran 515,918 Waktu respons (rata-rata) 148.11s Waktu respons (total) 3406.53s Waktu respons (maks) 904.91s Format tambahan: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 7.3 Pemrograman : 8.2 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 8.4 Pemanggilan alat : 10.0 Pengetahuan umum : 2.8
#189#189	Step 5 Previewhigh	7.0	Stepfun	$4.513	154.41s
Lihat kartu model Total Tes 23 Tes Salah 13 Keandalan 9.5 Tingkat lulus per percobaan 52.2% Tes tidak stabil 4 Token input 243,381 Token output 1,581,325 Token penalaran 0 Waktu respons (rata-rata) 154.41s Waktu respons (total) 3551.40s Waktu respons (maks) 455.72s Tidak ada jawaban: 7 Jawaban salah: 3 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 6.5 Pemrograman : 2.9 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 3.4 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 5.8 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#315#315	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
#378#378	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Lihat kartu model Total Tes 23 Tes Salah 18 Keandalan 9.5 Tingkat lulus per percobaan 40.6% Tes tidak stabil 9 Token input 207,883 Token output 144,718 Token penalaran 525,897 Waktu respons (rata-rata) 83.19s Waktu respons (total) 1913.41s Waktu respons (maks) 597.61s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 3.5 Trik anti-AI : 6.9 Pemrograman : 4.0 Gabungan : 6.3 Parsing dan ekstraksi data : 2.9 Spesifik domain : 3.6 Kecerdasan umum : 3.7 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 3.6 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