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)
#72#72	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 72.5% Tes tidak stabil 4 Token input 291,368 Token output 13,469 Token penalaran 108,952 Waktu respons (rata-rata) 13.21s Waktu respons (total) 303.92s Waktu respons (maks) 54.15s Jawaban salah: 5 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 7.9 Pemrograman : 10.0 Gabungan : 6.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 8.3 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0
#73#73	Claude Sonnet 5.5xhigh	8.6	Anthropic	$1.516	14.98s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 79.7% Tes tidak stabil 4 Token input 342,579 Token output 12,848 Token penalaran 70,193 Waktu respons (rata-rata) 14.98s Waktu respons (total) 344.60s Waktu respons (maks) 54.92s Jawaban salah: 3 Format tambahan: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#74#74	Claude Sonnet 5.5high	8.6	Anthropic	$1.175	10.79s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 81.2% Tes tidak stabil 5 Token input 345,687 Token output 13,550 Token penalaran 34,743 Waktu respons (rata-rata) 10.79s Waktu respons (total) 248.22s Waktu respons (maks) 51.53s Jawaban salah: 5 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 8.2 Parsing dan ekstraksi data : 7.3 Spesifik domain : 3.5 Kecerdasan umum : 6.5 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#75#75	Claude Haiku 5.5low	8.6	Anthropic	$0.061	7.51s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 296,301 Token output 10,672 Token penalaran 50,978 Waktu respons (rata-rata) 7.51s Waktu respons (total) 172.74s Waktu respons (maks) 44.43s Jawaban salah: 3 Tidak mengikuti instruksi: 2 Format tambahan: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 7.9 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.6 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#76#76	Qwen3.8 Max (0902)low	8.6	Qwen	$1.131	29.07s
Lihat kartu model Total Tes 23 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 85.5% Tes tidak stabil 3 Token input 298,682 Token output 8,374 Token penalaran 80,549 Waktu respons (rata-rata) 29.07s Waktu respons (total) 668.66s Waktu respons (maks) 207.79s Jawaban salah: 4 Pemanggilan alat tidak valid: 1 Tugas agen : 6.1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#77#77	Grok 4.6high	8.5	X AI	$2.629	87.48s
Lihat kartu model Total Tes 23 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 82.6% Tes tidak stabil 0 Token input 376,233 Token output 6,687 Token penalaran 305,927 Waktu respons (rata-rata) 87.48s Waktu respons (total) 2012.15s Waktu respons (maks) 618.49s Jawaban salah: 3 Tidak ada jawaban: 1 Tugas agen : 5.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 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
#78#78	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 82.6% Tes tidak stabil 5 Token input 270,231 Token output 13,363 Token penalaran 121,332 Waktu respons (rata-rata) 17.73s Waktu respons (total) 407.75s Waktu respons (maks) 78.72s Jawaban salah: 4 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#79#79	Claude Sonnet 5medium	8.5	Anthropic	$1.438	15.01s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 353,658 Token output 54,891 Token penalaran 18,370 Waktu respons (rata-rata) 15.01s Waktu respons (total) 345.16s Waktu respons (maks) 69.26s Jawaban salah: 5 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 9.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#80#80	Qwen3.7 Maxmedium	8.5	Qwen	$1.689 ↓	48.35s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 85.5% Tes tidak stabil 4 Token input 367,848 Token output 8,753 Token penalaran 250,279 Waktu respons (rata-rata) 48.35s Waktu respons (total) 1112.11s Waktu respons (maks) 556.06s Jawaban salah: 5 Pemanggilan alat tidak valid: 1 Tugas agen : 6.1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#81#81	Claude Haiku 5.5max	8.5	Anthropic	$0.509	61.71s
Lihat kartu model Total Tes 23 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 85.5% Tes tidak stabil 1 Token input 487,516 Token output 10,212 Token penalaran 909,487 Waktu respons (rata-rata) 61.71s Waktu respons (total) 1419.40s Waktu respons (maks) 288.94s Tidak ada jawaban: 3 Jawaban salah: 1 Tugas agen : 4.7 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#84#84	GPT-5 Minimedium	8.4	OpenAI	$0.315 ↑	29.42s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 4 Token input 214,645 Token output 15,532 Token penalaran 103,679 Waktu respons (rata-rata) 29.42s Waktu respons (total) 676.56s Waktu respons (maks) 111.48s Jawaban salah: 5 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 7.1 Pemrograman : 10.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#87#87	Inklinghigh	8.4	Thinkingmachines	$1.238 ↓	62.72s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 3 Token input 240,395 Token output 7,169 Token penalaran 242,073 Waktu respons (rata-rata) 62.72s Waktu respons (total) 1442.48s Waktu respons (maks) 327.51s Jawaban salah: 4 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 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
#88#88	Muse Spark 1.1high	8.4	Meta	$2.570	37.41s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.6% Tes tidak stabil 6 Token input 336,310 Token output 10,838 Token penalaran 494,728 Waktu respons (rata-rata) 37.41s Waktu respons (total) 860.39s Waktu respons (maks) 196.03s Jawaban salah: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Kesalahan API: 1 Format tambahan: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 7.5 Pemrograman : 10.0 Gabungan : 5.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 7.8 Pemanggilan alat : 9.6 Pengetahuan umum : 3.0
#89#89	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.576 ↑	118.83s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 5 Token input 281,863 Token output 24,535 Token penalaran 507,976 Waktu respons (rata-rata) 118.83s Waktu respons (total) 2733.01s Waktu respons (maks) 600.61s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 6.3 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#90#90	GLM 5.2high	8.4	Z.ai	$4.632 ↑	69.11s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.0% Tes tidak stabil 3 Token input 288,913 Token output 79,462 Token penalaran 303,120 Waktu respons (rata-rata) 69.11s Waktu respons (total) 1589.43s Waktu respons (maks) 599.43s Jawaban salah: 5 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 6.4 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.1 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#91#91	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 69.6% Tes tidak stabil 2 Token input 197,239 Token output 6,083 Token penalaran 53,982 Waktu respons (rata-rata) 13.62s Waktu respons (total) 313.21s Waktu respons (maks) 91.49s Jawaban salah: 7 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 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
#92#92	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 4 Token input 346,451 Token output 10,136 Token penalaran 95,504 Waktu respons (rata-rata) 10.41s Waktu respons (total) 239.38s Waktu respons (maks) 52.61s Jawaban salah: 4 Format tambahan: 2 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 6.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#93#93	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Lihat kartu model Total Tes 23 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 85.5% Tes tidak stabil 2 Token input 348,103 Token output 11,045 Token penalaran 234,967 Waktu respons (rata-rata) 18.59s Waktu respons (total) 427.52s Waktu respons (maks) 145.92s Pemanggilan alat tidak valid: 2 Jawaban salah: 2 Tugas agen : 3.4 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 8.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 9.8 Pengetahuan umum : 10.0
#95#95	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 73.9% Tes tidak stabil 3 Token input 203,193 Token output 5,751 Token penalaran 47,410 Waktu respons (rata-rata) 18.07s Waktu respons (total) 415.53s Waktu respons (maks) 66.44s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 6.6 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#96#96	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 82.6% Tes tidak stabil 3 Token input 360,294 Token output 43,441 Token penalaran 24,401 Waktu respons (rata-rata) 16.72s Waktu respons (total) 384.66s Waktu respons (maks) 99.37s Jawaban salah: 5 Tidak ada jawaban: 1 Tugas agen : 6.1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 9.9 Parsing dan ekstraksi data : 7.1 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
#98#98	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 350,546 Token output 8,576 Token penalaran 206,984 Waktu respons (rata-rata) 59.73s Waktu respons (total) 1373.73s Waktu respons (maks) 315.30s Jawaban salah: 6 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 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
#100#100	DeepSeek V4.1 Flash 1017max	8.2	DeepSeek	$0.757	78.20s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 5 Token input 360,065 Token output 7,711 Token penalaran 1,162,470 Waktu respons (rata-rata) 78.20s Waktu respons (total) 1798.65s Waktu respons (maks) 605.14s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 5.6 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#101#101	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 82.6% Tes tidak stabil 3 Token input 342,124 Token output 7,135 Token penalaran 326,497 Waktu respons (rata-rata) 72.50s Waktu respons (total) 1667.51s Waktu respons (maks) 676.83s Jawaban salah: 3 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Tugas agen : 5.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 4.7 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#103#103	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.0% Tes tidak stabil 2 Token input 172,507 Token output 5,824 Token penalaran 27,365 Waktu respons (rata-rata) 8.93s Waktu respons (total) 205.39s Waktu respons (maks) 54.74s Jawaban salah: 8 Tugas agen : 10.0 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
#104#104	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 71.0% Tes tidak stabil 4 Token input 229,530 Token output 13,757 Token penalaran 92,662 Waktu respons (rata-rata) 48.87s Waktu respons (total) 1123.91s Waktu respons (maks) 254.92s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 8.0 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 6.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.0 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