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)
#386#386	Nemotron 3 Supernone	4.5	NVIDIA	$0.016 ↑	7.11s
Lihat kartu model Total Tes 23 Tes Salah 18 Keandalan 9.5 Tingkat lulus per percobaan 27.5% Tes tidak stabil 3 Token input 146,361 Token output 9,073 Token penalaran 1 Waktu respons (rata-rata) 7.11s Waktu respons (total) 163.46s Waktu respons (maks) 30.51s Jawaban salah: 16 Tidak mengikuti instruksi: 2 Tugas agen : 2.8 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
#30#30	Muse Spark Openhigh	9.2	Meta	$1.782	151.96s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 9.4 Tingkat lulus per percobaan 76.8% Tes tidak stabil 1 Token input 270,889 Token output 10,688 Token penalaran 328,857 Waktu respons (rata-rata) 151.96s Waktu respons (total) 3495.01s Waktu respons (maks) 960.01s Kedaluwarsa: 2 Jawaban salah: 2 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 : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#71#71	DeepSeek V4.1 Flashmax	8.6	DeepSeek	$1.204 ↑	61.58s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.4 Tingkat lulus per percobaan 69.6% Tes tidak stabil 2 Token input 414,054 Token output 7,635 Token penalaran 900,536 Waktu respons (rata-rata) 61.58s Waktu respons (total) 1416.24s Waktu respons (maks) 335.08s Jawaban salah: 6 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 : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#148#148	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 9.4 Tingkat lulus per percobaan 59.4% Tes tidak stabil 3 Token input 313,368 Token output 12,289 Token penalaran 259,270 Waktu respons (rata-rata) 91.67s Waktu respons (total) 1833.43s Waktu respons (maks) 301.78s Jawaban salah: 5 Kedaluwarsa: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 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
#394#394	GLM 4.7 Flashmedium	4.2	Z.ai	$0.193	150.90s
Lihat kartu model Total Tes 23 Tes Salah 19 Keandalan 9.4 Tingkat lulus per percobaan 30.4% Tes tidak stabil 8 Token input 228,711 Token output 42,254 Token penalaran 422,121 Waktu respons (rata-rata) 150.90s Waktu respons (total) 2414.33s Waktu respons (maks) 1539.97s Jawaban salah: 10 Tidak ada jawaban: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Kedaluwarsa: 2 Tugas agen : 3.9 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
#433#433	Decider V1.2default	2.6	Perplexity	$0.001	517ms
Lihat kartu model Total Tes 12 Tes Salah 7 Keandalan 9.4 Tingkat lulus per percobaan 24.6% Tes tidak stabil 1 Token input 48,363 Token output 67 Token penalaran 0 Waktu respons (rata-rata) 517ms Waktu respons (total) 6.20s Waktu respons (maks) 776ms Jawaban salah: 5 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 0.0 Trik anti-AI : 5.8 Pemrograman : 4.5 Gabungan : 0.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.9 Kecerdasan umum : 0.0 Kepatuhan instruksi : 1.5 Pemecahan teka-teki : 1.7 Pemanggilan alat : 0.0 Pengetahuan umum : 0.0
#439#439	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
#94#94	Kimi K3max	8.3	Moonshot AI	$3.409 ↓	139.41s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 9.3 Tingkat lulus per percobaan 78.3% Tes tidak stabil 2 Token input 170,700 Token output 7,719 Token penalaran 225,608 Waktu respons (rata-rata) 139.41s Waktu respons (total) 2788.26s Waktu respons (maks) 766.58s Kesalahan API: 2 Tidak ada jawaban: 2 Format tambahan: 1 Kedaluwarsa: 1 Tugas agen : 10.0 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
#134#134	Muse Wonderhigh	7.7	Meta	$3.426	22.96s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.3 Tingkat lulus per percobaan 66.7% Tes tidak stabil 1 Token input 94,153 Token output 9,606 Token penalaran 142,834 Waktu respons (rata-rata) 22.96s Waktu respons (total) 528.08s Waktu respons (maks) 143.21s Kesalahan API: 6 Jawaban salah: 2 Tugas agen : 3.0 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 9.8 Pengetahuan umum : 2.8
#393#393	MiniMax M2.5medium	4.3	Minimax	$0.440 ↑	102.32s
Lihat kartu model Total Tes 23 Tes Salah 18 Keandalan 9.3 Tingkat lulus per percobaan 42.0% Tes tidak stabil 9 Token input 188,239 Token output 27,822 Token penalaran 262,674 Waktu respons (rata-rata) 102.32s Waktu respons (total) 1637.05s Waktu respons (maks) 600.81s Jawaban salah: 7 Kedaluwarsa: 5 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 3.0 Trik anti-AI : 7.9 Pemrograman : 3.4 Gabungan : 3.7 Parsing dan ekstraksi data : 4.6 Spesifik domain : 2.9 Kecerdasan umum : 3.8 Kepatuhan instruksi : 7.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#147#147	GLM 5.1medium	7.5	Z.ai	$1.546 ↑	66.38s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 9.2 Tingkat lulus per percobaan 66.7% Tes tidak stabil 4 Token input 331,577 Token output 17,919 Token penalaran 230,789 Waktu respons (rata-rata) 66.38s Waktu respons (total) 1460.31s Waktu respons (maks) 308.75s Jawaban salah: 5 Kedaluwarsa: 2 Kesalahan API: 1 Format tambahan: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 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
#332#332	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
#32#32	Muse Wondermedium	9.2	Meta	$3.397	21.58s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 9.1 Tingkat lulus per percobaan 76.8% Tes tidak stabil 1 Token input 241,489 Token output 11,575 Token penalaran 109,971 Waktu respons (rata-rata) 21.58s Waktu respons (total) 496.40s Waktu respons (maks) 162.73s Kesalahan API: 4 Jawaban salah: 2 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.6 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 4.7
#142#142	Muse Wonderxhigh	7.7	Meta	$4.012	34.40s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 9.1 Tingkat lulus per percobaan 65.2% Tes tidak stabil 2 Token input 93,060 Token output 10,305 Token penalaran 171,683 Waktu respons (rata-rata) 34.40s Waktu respons (total) 791.16s Waktu respons (maks) 236.64s Kesalahan API: 6 Jawaban salah: 3 Tugas agen : 3.0 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 2.8
#389#389	Granite 4.2 8Bnone	4.4	IBM Granite	$0.037	84.66s
Lihat kartu model Total Tes 23 Tes Salah 20 Keandalan 9.1 Tingkat lulus per percobaan 15.9% Tes tidak stabil 2 Token input 226,872 Token output 133,268 Token penalaran 0 Waktu respons (rata-rata) 84.66s Waktu respons (total) 1947.17s Waktu respons (maks) 747.17s Jawaban salah: 11 Format tambahan: 4 Kedaluwarsa: 3 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 5.0 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
#124#124	Muse Wondermax	7.9	Meta	$4.766	44.39s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.0 Tingkat lulus per percobaan 75.4% Tes tidak stabil 3 Token input 93,126 Token output 10,497 Token penalaran 209,138 Waktu respons (rata-rata) 44.39s Waktu respons (total) 1021.02s Waktu respons (maks) 287.79s Kesalahan API: 4 Jawaban salah: 2 Tidak mengikuti instruksi: 1 Tugas agen : 3.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 7.5 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 2.8
#149#149	Mistral Large 4high	7.5	Mistral	$1.391	263.69s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 9.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 6 Token input 230,895 Token output 161,281 Token penalaran 510,655 Waktu respons (rata-rata) 263.69s Waktu respons (total) 6064.89s Waktu respons (maks) 1727.29s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 3.3 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#150#150	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Lihat kartu model Total Tes 23 Tes Salah 11 Keandalan 9.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 5 Token input 297,321 Token output 8,997 Token penalaran 423,853 Waktu respons (rata-rata) 124.87s Waktu respons (total) 2871.96s Waktu respons (maks) 675.30s Jawaban salah: 6 Kesalahan API: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 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
#322#322	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
#105#105	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 8.9 Tingkat lulus per percobaan 78.3% Tes tidak stabil 6 Token input 237,604 Token output 9,617 Token penalaran 244,190 Waktu respons (rata-rata) 73.02s Waktu respons (total) 1679.49s Waktu respons (maks) 485.92s Jawaban salah: 7 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 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
#280#280	Granite 4.2 8Bmedium	6.1	IBM Granite	$0.029	50.47s
Lihat kartu model Total Tes 23 Tes Salah 15 Keandalan 8.9 Tingkat lulus per percobaan 37.7% Tes tidak stabil 1 Token input 259,708 Token output 16,567 Token penalaran 33,580 Waktu respons (rata-rata) 50.47s Waktu respons (total) 1160.91s Waktu respons (maks) 557.96s Jawaban salah: 9 Kedaluwarsa: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 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
#325#325	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
#369#369	North Mini Codedefault	4.7	Cohere	$0.000	29.47s
Lihat kartu model Total Tes 23 Tes Salah 19 Keandalan 8.9 Tingkat lulus per percobaan 17.4% Tes tidak stabil 0 Token input 177,989 Token output 26,954 Token penalaran 0 Waktu respons (rata-rata) 29.47s Waktu respons (total) 677.70s Waktu respons (maks) 159.85s Jawaban salah: 13 Format tambahan: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Tugas agen : 3.0 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
#188#188	Ember-1low	7.0	Fireworks	$1.488	34.90s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 8.8 Tingkat lulus per percobaan 65.2% Tes tidak stabil 5 Token input 211,908 Token output 14,158 Token penalaran 42,608 Waktu respons (rata-rata) 34.90s Waktu respons (total) 802.79s Waktu respons (maks) 121.29s Kesalahan API: 6 Jawaban salah: 3 Pemanggilan alat tidak valid: 1 Tugas agen : 4.7 Trik anti-AI : 8.2 Pemrograman : 10.0 Gabungan : 6.5 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#329#329	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

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