AI BENCHY

Leaderboard Benchmark AI

Name: Hasil Benchmark Model AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-04 Model Dievaluasi: 163

163/163

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#34#34	Qwen3.7 Maxnone	7.7	Qwen	$0.054 ↓	1.30s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 0 Token input 37,107 Token output 1,994 Token penalaran 0 Waktu respons (rata-rata) 1.30s Waktu respons (total) 27.21s Waktu respons (maks) 3.92s Jawaban salah: 7 Trik anti-AI : 6.5 Pemrograman : 5.5 Gabungan : 3.0 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 : 3.0
#36#36	Qwen3.5 Plus 2026-04-20medium	7.6	Qwen	$0.317 ↓	46.36s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 2 Token input 42,097 Token output 2,280 Token penalaran 166,613 Waktu respons (rata-rata) 46.36s Waktu respons (total) 973.57s Waktu respons (maks) 189.38s Jawaban salah: 8 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.9 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#37#37	Gemma 4 26B A4Bmedium	7.6	Google	$0.045 ↓	63.41s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 69.8% Tes tidak stabil 2 Token input 40,252 Token output 28,000 Token penalaran 100,490 Waktu respons (rata-rata) 63.41s Waktu respons (total) 1268.28s Waktu respons (maks) 369.32s Jawaban salah: 3 Tidak ada jawaban: 2 Kedaluwarsa: 2 Trik anti-AI : 10.0 Pemrograman : 2.9 Gabungan : 9.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#38#38	Grok 4.3medium	7.6	X AI	$0.614	47.51s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.4% Tes tidak stabil 4 Token input 44,472 Token output 1,981 Token penalaran 221,382 Waktu respons (rata-rata) 47.51s Waktu respons (total) 997.68s Waktu respons (maks) 216.69s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Format tambahan: 1 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#39#39	Qwen3.6 Flashmedium	7.5	Qwen	$0.288 ↓	19.25s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 71.4% Tes tidak stabil 5 Token input 42,362 Token output 2,995 Token penalaran 245,358 Waktu respons (rata-rata) 19.25s Waktu respons (total) 404.20s Waktu respons (maks) 122.87s Jawaban salah: 8 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 5.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#40#40	Gemini 3.1 Flash Lite Previewmedium	7.5	Google	$0.068	3.96s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 61.9% Tes tidak stabil 0 Token input 37,786 Token output 2,210 Token penalaran 36,744 Waktu respons (rata-rata) 3.96s Waktu respons (total) 83.06s Waktu respons (maks) 14.93s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Trik anti-AI : 9.1 Pemrograman : 5.5 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#42#42	GPT-5.2medium	7.5	OpenAI	$0.548	16.88s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.4% Tes tidak stabil 4 Token input 33,967 Token output 2,901 Token penalaran 31,932 Waktu respons (rata-rata) 16.88s Waktu respons (total) 236.34s Waktu respons (maks) 77.80s Tidak mengikuti instruksi: 3 Jawaban salah: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 6.5 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 3.7 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.5 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#43#43	MiMo-V2.5-Promedium	7.5	Xiaomi	$0.106 ↓	26.13s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 4 Token input 40,854 Token output 5,015 Token penalaran 97,742 Waktu respons (rata-rata) 26.13s Waktu respons (total) 548.65s Waktu respons (maks) 130.77s Format tambahan: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 10.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#44#44	Gemini 3.1 Flash Litemedium	7.5	Google	$0.071	3.23s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.1% Tes tidak stabil 2 Token input 36,808 Token output 2,254 Token penalaran 38,300 Waktu respons (rata-rata) 3.23s Waktu respons (total) 67.80s Waktu respons (maks) 10.87s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Trik anti-AI : 9.1 Pemrograman : 5.5 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#45#45	GPT-5.4 Minimedium	7.5	OpenAI	$0.526	22.34s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 73.0% Tes tidak stabil 5 Token input 34,116 Token output 2,181 Token penalaran 108,937 Waktu respons (rata-rata) 22.34s Waktu respons (total) 469.20s Waktu respons (maks) 138.75s Jawaban salah: 6 Tidak mengikuti instruksi: 3 Trik anti-AI : 8.6 Pemrograman : 8.4 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 4.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.8 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#46#46	Qwen3.6 35B A3Bmedium	7.4	Qwen	$0.146 ↑	18.08s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 63.5% Tes tidak stabil 1 Token input 16,385 Token output 19,632 Token penalaran 130,219 Waktu respons (rata-rata) 18.08s Waktu respons (total) 343.61s Waktu respons (maks) 86.11s Jawaban salah: 4 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 7.7 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#47#47	Grok Build 0.1medium	7.4	X AI	$0.927	49.90s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 61.9% Tes tidak stabil 0 Token input 44,418 Token output 2,782 Token penalaran 438,018 Waktu respons (rata-rata) 49.90s Waktu respons (total) 1047.92s Waktu respons (maks) 252.69s Jawaban salah: 5 Format tambahan: 3 Trik anti-AI : 8.3 Pemrograman : 5.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#48#48	Gemini 3 Flash Previewnone	7.4	Google	$0.025	1.65s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 2 Token input 37,011 Token output 1,885 Token penalaran 0 Waktu respons (rata-rata) 1.65s Waktu respons (total) 23.07s Waktu respons (maks) 3.56s Jawaban salah: 8 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 4.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#49#49	Qwen3.5-Flashmedium	7.4	Qwen	$0.080 ↓	63.29s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 71.4% Tes tidak stabil 5 Token input 38,926 Token output 2,088 Token penalaran 294,598 Waktu respons (rata-rata) 63.29s Waktu respons (total) 1265.85s Waktu respons (maks) 234.29s Jawaban salah: 4 Kedaluwarsa: 3 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 3.7 Gabungan : 10.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#50#50	Gemini 3.1 Flash Lite Previewlow	7.4	Google	$0.026	2.77s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 61.9% Tes tidak stabil 0 Token input 32,715 Token output 2,286 Token penalaran 9,166 Waktu respons (rata-rata) 2.77s Waktu respons (total) 58.12s Waktu respons (maks) 11.91s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#52#52	Claude Sonnet 4.6medium	7.4	Anthropic	$1.418	17.06s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.1% Tes tidak stabil 2 Token input 49,112 Token output 54,703 Token penalaran 29,970 Waktu respons (rata-rata) 17.06s Waktu respons (total) 221.83s Waktu respons (maks) 46.35s Jawaban salah: 4 Format tambahan: 3 Kedaluwarsa: 1 Trik anti-AI : 6.5 Pemrograman : 5.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#53#53	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Lihat kartu model Total Tes 18 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.5% Tes tidak stabil 4 Token input 29,134 Token output 1,984 Token penalaran 1,355,583 Waktu respons (rata-rata) 61.96s Waktu respons (total) 1115.31s Waktu respons (maks) 149.23s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 5.7 Pemanggilan alat : 10.0
#54#54	GPT-5 Minimedium	7.3	OpenAI	$0.159	23.64s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.5% Tes tidak stabil 2 Token input 37,100 Token output 6,801 Token penalaran 67,690 Waktu respons (rata-rata) 23.64s Waktu respons (total) 496.44s Waktu respons (maks) 88.15s Jawaban salah: 5 Tidak mengikuti instruksi: 3 Kedaluwarsa: 1 Trik anti-AI : 7.1 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#56#56	MiMo-V2.5medium	7.3	Xiaomi	$0.063 ↓	27.11s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 69.8% Tes tidak stabil 5 Token input 41,838 Token output 2,827 Token penalaran 198,898 Waktu respons (rata-rata) 27.11s Waktu respons (total) 569.38s Waktu respons (maks) 162.44s Jawaban salah: 5 Format tambahan: 2 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 10.0 Parsing dan ekstraksi data : 2.7 Spesifik domain : 5.3 Kecerdasan umum : 5.4 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#57#57	Step 3.7 Flashlow	7.3	Stepfun	$0.341	15.74s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 4 Token input 40,101 Token output 289,325 Token penalaran 0 Waktu respons (rata-rata) 15.74s Waktu respons (total) 330.63s Waktu respons (maks) 124.75s Jawaban salah: 8 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 8.2 Gabungan : 10.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 3.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#58#58	Gemini 3.1 Flash Lite Previewnone	7.2	Google	$0.018	1.21s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 60.3% Tes tidak stabil 1 Token input 37,582 Token output 5,547 Token penalaran 0 Waktu respons (rata-rata) 1.21s Waktu respons (total) 25.45s Waktu respons (maks) 3.39s Jawaban salah: 7 Tidak mengikuti instruksi: 2 Trik anti-AI : 7.5 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#59#59	GLM 5V Turbomedium	7.2	Z.ai	$0.457	23.08s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 6 Token input 44,615 Token output 2,347 Token penalaran 98,415 Waktu respons (rata-rata) 23.08s Waktu respons (total) 484.63s Waktu respons (maks) 95.88s Jawaban salah: 7 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 7.2 Pemrograman : 6.0 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 7.0 Pengetahuan umum : 3.0
#60#60	Kimi K2.6medium	7.2	Moonshot AI	$0.891 ↓	71.67s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 65.1% Tes tidak stabil 3 Token input 29,450 Token output 102,923 Token penalaran 254,094 Waktu respons (rata-rata) 71.67s Waktu respons (total) 1433.36s Waktu respons (maks) 406.78s Kedaluwarsa: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 7.0 Pemrograman : 5.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#61#61	Gemini 3.1 Flash Litelow	7.2	Google	$0.028	1.89s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 61.9% Tes tidak stabil 2 Token input 36,892 Token output 2,732 Token penalaran 9,260 Waktu respons (rata-rata) 1.89s Waktu respons (total) 39.62s Waktu respons (maks) 5.66s Jawaban salah: 9 Trik anti-AI : 7.3 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#62#62	Step 3.5 Flashmedium	7.2	Stepfun	$0.070 ↑	72.53s
Lihat kartu model Total Tes 20 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 56.7% Tes tidak stabil 1 Token input 34,431 Token output 91,587 Token penalaran 195,973 Waktu respons (rata-rata) 72.53s Waktu respons (total) 1015.47s Waktu respons (maks) 453.94s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 3.5 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 8.3 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#63#63	GPT-5.3 Chatnone	7.2	OpenAI	$0.433	6.34s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 34,209 Token output 26,617 Token penalaran 0 Waktu respons (rata-rata) 6.34s Waktu respons (total) 133.13s Waktu respons (maks) 18.33s Jawaban salah: 7 Tidak mengikuti instruksi: 2 Trik anti-AI : 6.7 Pemrograman : 5.6 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.6 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#64#64	MiMo-V2-Flashmedium	7.2	Xiaomi	$0.043 ↑	20.11s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 65.1% Tes tidak stabil 3 Token input 40,111 Token output 12,476 Token penalaran 125,039 Waktu respons (rata-rata) 20.11s Waktu respons (total) 301.59s Waktu respons (maks) 96.01s Jawaban salah: 5 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Trik anti-AI : 8.1 Pemrograman : 6.0 Gabungan : 9.8 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.9 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#65#65	Grok 4.20medium	7.1	X AI	$0.609 ↓	27.68s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.5% Tes tidak stabil 3 Token input 44,433 Token output 1,819 Token penalaran 219,524 Waktu respons (rata-rata) 27.68s Waktu respons (total) 581.26s Waktu respons (maks) 199.66s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Format tambahan: 1 Trik anti-AI : 8.2 Pemrograman : 6.3 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 3.9 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#66#66	Qwen3.5-35B-A3Bmedium	7.1	Qwen	$0.401 ↓	72.57s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.8% Tes tidak stabil 6 Token input 42,196 Token output 40,630 Token penalaran 353,577 Waktu respons (rata-rata) 72.57s Waktu respons (total) 1524.04s Waktu respons (maks) 409.98s Kedaluwarsa: 5 Tidak ada jawaban: 2 Jawaban salah: 2 Kesalahan API: 1 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 4.7 Parsing dan ekstraksi data : 7.3 Spesifik domain : 4.1 Kecerdasan umum : 2.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#68#68	Claude Opus 4.8none	7.0	Anthropic	$0.539	3.47s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 61.9% Tes tidak stabil 2 Token input 67,104 Token output 8,107 Token penalaran 0 Waktu respons (rata-rata) 3.47s Waktu respons (total) 72.90s Waktu respons (maks) 17.73s Jawaban salah: 4 Format tambahan: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 6.5 Pemrograman : 5.5 Gabungan : 9.5 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0

←

1 2 3 4 5 6

→

Perbandingan Cepat

Leaderboard Benchmark AI

Filter model

Perbandingan Cepat