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: 2026-07-18 Model Dievaluasi: 206

206/206

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#25#25	Gemini 2.5 Flashmedium	8.2	Google	$0.643	21.18s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 1 Token input 132,498 Token output 12,739 Token penalaran 228,464 Waktu respons (rata-rata) 21.18s Waktu respons (total) 465.89s Waktu respons (maks) 140.50s Jawaban salah: 6 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.4 Pemrograman : 7.8 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#28#28	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 9.8 Tingkat lulus per percobaan 77.3% Tes tidak stabil 3 Token input 86,746 Token output 6,055 Token penalaran 220,791 Waktu respons (rata-rata) 64.16s Waktu respons (total) 1411.59s Waktu respons (maks) 327.51s Jawaban salah: 4 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 8.5 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 6.9 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#32#32	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 9.8 Tingkat lulus per percobaan 78.8% Tes tidak stabil 5 Token input 124,053 Token output 12,189 Token penalaran 53,597 Waktu respons (rata-rata) 16.21s Waktu respons (total) 356.54s Waktu respons (maks) 85.12s Jawaban salah: 4 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 8.4 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 2.8
#36#36	Qwen3.7 Plusmedium	7.9	Qwen	$0.267 ↓	51.51s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 75.8% Tes tidak stabil 3 Token input 115,233 Token output 6,162 Token penalaran 173,267 Waktu respons (rata-rata) 51.51s Waktu respons (total) 1133.15s Waktu respons (maks) 315.30s Jawaban salah: 5 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 6.1 Gabungan : 8.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#37#37	Qwen3.6 Plusmedium	7.8	Qwen	$0.405 ↑	43.12s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 2 Token input 97,689 Token output 6,412 Token penalaran 184,825 Waktu respons (rata-rata) 43.12s Waktu respons (total) 905.53s Waktu respons (maks) 291.55s Jawaban salah: 5 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 6.1 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#44#44	GPT-5.6 Lunahigh	7.7	OpenAI	$1.017	18.68s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 72.7% Tes tidak stabil 3 Token input 80,918 Token output 5,088 Token penalaran 150,910 Waktu respons (rata-rata) 18.68s Waktu respons (total) 411.05s Waktu respons (maks) 111.09s Jawaban salah: 7 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#59#59	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.52s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 9.9 Tingkat lulus per percobaan 68.2% Tes tidak stabil 0 Token input 95,983 Token output 12,446 Token penalaran 0 Waktu respons (rata-rata) 4.52s Waktu respons (total) 99.52s Waktu respons (maks) 72.30s Jawaban salah: 7 Trik anti-AI : 6.5 Pemrograman : 5.5 Gabungan : 6.5 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
#78#78	Gemini 3.5 Flashnone	7.0	Google	$1.079	9.93s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 74.2% Tes tidak stabil 3 Token input 13,843 Token output 117,518 Token penalaran 0 Waktu respons (rata-rata) 9.93s Waktu respons (total) 178.68s Waktu respons (maks) 64.36s Kesalahan API: 4 Jawaban salah: 3 Trik anti-AI : 10.0 Pemrograman : 8.8 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 7.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 2.8
#49#49	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 4 Token input 35,593 Token output 12,245 Token penalaran 62,277 Waktu respons (rata-rata) 23.00s Waktu respons (total) 482.97s Waktu respons (maks) 194.23s Jawaban salah: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#97#97	Hy3 previewmedium	6.5	Tencent	$0.018 ↕	16.28s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 0 Token input 27,030 Token output 73,544 Token penalaran 0 Waktu respons (rata-rata) 16.28s Waktu respons (total) 293.12s Waktu respons (maks) 46.04s Kesalahan API: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 5.3 Gabungan : 5.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#129#129	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan T/A Tingkat lulus per percobaan 63.6% Tes tidak stabil 0 Token input 28,848 Token output 1,490 Token penalaran 10,102 Waktu respons (rata-rata) 9.05s Waktu respons (total) 90.53s Waktu respons (maks) 26.24s Kesalahan API: 4 Jawaban salah: 3 Trik anti-AI : 10.0 Pemrograman : 3.0 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#21#21	GPT-5.2medium	8.4	OpenAI	$0.951	22.62s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 72.7% Tes tidak stabil 4 Token input 105,004 Token output 9,914 Token penalaran 44,868 Waktu respons (rata-rata) 22.62s Waktu respons (total) 339.28s Waktu respons (maks) 102.93s 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
#29#29	Step 3.7 Flashmedium	8.0	Stepfun	$0.515	26.37s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 9.9 Tingkat lulus per percobaan 72.7% Tes tidak stabil 3 Token input 114,062 Token output 427,572 Token penalaran 0 Waktu respons (rata-rata) 26.37s Waktu respons (total) 580.25s Waktu respons (maks) 152.83s Jawaban salah: 5 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 8.8 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#30#30	GPT-5.2 Chatnone	8.0	OpenAI	$0.604	7.65s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 74.2% Tes tidak stabil 4 Token input 101,248 Token output 30,424 Token penalaran 0 Waktu respons (rata-rata) 7.65s Waktu respons (total) 168.39s Waktu respons (maks) 38.52s Jawaban salah: 6 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 8.8 Gabungan : 7.3 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
#31#31	GLM 5.2high	8.0	Z.ai	$0.296 ↓	62.65s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 3 Token input 83,813 Token output 69,688 Token penalaran 225,659 Waktu respons (rata-rata) 62.65s Waktu respons (total) 1378.34s Waktu respons (maks) 599.43s Kedaluwarsa: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.4 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#34#34	GPT-5.6 Terrahigh	8.0	OpenAI	$1.055	11.32s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 2 Token input 81,047 Token output 5,055 Token penalaran 51,736 Waktu respons (rata-rata) 11.32s Waktu respons (total) 249.14s Waktu respons (maks) 91.49s Jawaban salah: 7 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 7.6 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#35#35	Seed-2.0-Litemedium	7.9	Bytedance Seed	$0.234	48.53s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 74.2% Tes tidak stabil 4 Token input 129,897 Token output 12,533 Token penalaran 88,047 Waktu respons (rata-rata) 48.53s Waktu respons (total) 1067.74s Waktu respons (maks) 254.92s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 8.0 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 6.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#39#39	GPT-5.6 Terramedium	7.8	OpenAI	$0.676	7.11s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 2 Token input 79,175 Token output 4,878 Token penalaran 26,952 Waktu respons (rata-rata) 7.11s Waktu respons (total) 156.42s Waktu respons (maks) 41.68s Jawaban salah: 8 Trik anti-AI : 8.3 Pemrograman : 6.1 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#40#40	Claude Sonnet 4.6medium	7.8	Anthropic	$2.057	25.91s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 2 Token input 106,292 Token output 80,748 Token penalaran 35,117 Waktu respons (rata-rata) 25.91s Waktu respons (total) 362.78s Waktu respons (maks) 140.96s 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
#48#48	Grok Build 0.1medium	7.6	X AI	$1.097	52.06s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 0 Token input 106,751 Token output 7,993 Token penalaran 486,670 Waktu respons (rata-rata) 52.06s Waktu respons (total) 1145.27s 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
#50#50	GPT-5.6 Lunamedium	7.6	OpenAI	$0.352	7.28s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 1 Token input 89,676 Token output 5,699 Token penalaran 37,980 Waktu respons (rata-rata) 7.28s Waktu respons (total) 160.27s Waktu respons (maks) 29.85s Jawaban salah: 8 Trik anti-AI : 8.3 Pemrograman : 5.4 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.8 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#57#57	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.437 ↓	89.19s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 4 Token input 113,560 Token output 9,823 Token penalaran 250,881 Waktu respons (rata-rata) 89.19s Waktu respons (total) 1337.92s Waktu respons (maks) 304.85s Jawaban salah: 4 Kedaluwarsa: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.2 Pemrograman : 6.6 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#71#71	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.046 ↓	64.16s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 4 Token input 124,771 Token output 44,077 Token penalaran 443,141 Waktu respons (rata-rata) 64.16s Waktu respons (total) 1411.60s Waktu respons (maks) 519.30s Jawaban salah: 5 Kedaluwarsa: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 6.0 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 3.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#87#87	Gemini 3.5 Flashminimal	6.8	Google	$0.300	2.65s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 1 Token input 100,753 Token output 16,454 Token penalaran 0 Waktu respons (rata-rata) 2.65s Waktu respons (total) 58.27s Waktu respons (maks) 25.26s Jawaban salah: 5 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.5 Pemrograman : 5.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 10.0 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#93#93	Gemma 4 26B A4Bmedium	6.6	Google	$0.082 ↓	103.83s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 9.4 Tingkat lulus per percobaan 66.7% Tes tidak stabil 2 Token input 77,550 Token output 28,036 Token penalaran 219,491 Waktu respons (rata-rata) 103.83s Waktu respons (total) 2180.47s Waktu respons (maks) 912.19s Jawaban salah: 3 Tidak ada jawaban: 2 Kedaluwarsa: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 2.9 Gabungan : 6.3 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
#107#107	Gemma 4 31Bmedium	6.3	Google	$0.107 ↓	75.38s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 2 Token input 94,992 Token output 34,468 Token penalaran 223,278 Waktu respons (rata-rata) 75.38s Waktu respons (total) 1507.52s Waktu respons (maks) 437.40s Kesalahan API: 2 Kedaluwarsa: 2 Jawaban salah: 2 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 4.3 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.9 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#24#24	Muse Spark 1.1low	8.3	Meta	$0.647	11.45s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 4 Token input 142,298 Token output 10,847 Token penalaran 99,467 Waktu respons (rata-rata) 11.45s Waktu respons (total) 251.92s Waktu respons (maks) 54.15s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.9 Pemrograman : 10.0 Gabungan : 6.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 8.3 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0
#43#43	Claude Opus 4.6medium	7.7	Anthropic	$3.059	34.27s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 3 Token input 108,615 Token output 72,286 Token penalaran 28,315 Waktu respons (rata-rata) 34.27s Waktu respons (total) 513.99s Waktu respons (maks) 151.51s Format tambahan: 5 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.4 Pemrograman : 5.7 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
#45#45	DeepSeek V4 Flashhigh	7.7	DeepSeek	$0.042 ↓	49.75s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 72.7% Tes tidak stabil 5 Token input 108,392 Token output 14,478 Token penalaran 153,687 Waktu respons (rata-rata) 49.75s Waktu respons (total) 1094.41s Waktu respons (maks) 218.13s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 7.8 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#51#51	Nemotron 3 Ultramedium	7.5	NVIDIA	$0.774 ↕	32.21s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 9.8 Tingkat lulus per percobaan 68.2% Tes tidak stabil 4 Token input 233,488 Token output 57,916 Token penalaran 128,062 Waktu respons (rata-rata) 32.21s Waktu respons (total) 708.65s Waktu respons (maks) 392.56s Jawaban salah: 7 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 8.4 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 3.7 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0

←

1 2 3 4 5 6 7

→

Perbandingan Cepat

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumTersedia gratis Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumTersedia gratis Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

Leaderboard AI Benchy

Filter model

Perbandingan Cepat