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: 2026-07-24 Model Dievaluasi: 222

222/222

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#71#71	Step 3.7 Flashlow	7.3	Stepfun	$0.454	20.68s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 5 Token input 103,833 Token output 376,581 Token penalaran 0 Waktu respons (rata-rata) 20.68s Waktu respons (total) 455.01s Waktu respons (maks) 124.75s Jawaban salah: 8 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 8.2 Gabungan : 7.3 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
#73#73	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.482	20.83s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 6 Token input 106,076 Token output 9,071 Token penalaran 127,093 Waktu respons (rata-rata) 20.83s Waktu respons (total) 458.31s Waktu respons (maks) 199.97s Jawaban salah: 10 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.0 Pemrograman : 6.4 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#75#75	Qwen3.7 Plusnone	7.2	Qwen	$0.106 ↓	12.09s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 50.0% Tes tidak stabil 0 Token input 98,824 Token output 58,097 Token penalaran 0 Waktu respons (rata-rata) 12.09s Waktu respons (total) 265.89s Waktu respons (maks) 206.03s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.5 Pemrograman : 5.5 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.3 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#76#76	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
#77#77	Grok 4.3medium	7.1	X AI	$0.779	47.45s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 4 Token input 140,031 Token output 13,739 Token penalaran 227,682 Waktu respons (rata-rata) 47.45s Waktu respons (total) 1043.83s Waktu respons (maks) 216.69s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 6.5 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
#79#79	Grok 4.20medium	7.1	X AI	$0.777 ↓	29.47s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 4 Token input 102,791 Token output 5,363 Token penalaran 253,977 Waktu respons (rata-rata) 29.47s Waktu respons (total) 648.35s Waktu respons (maks) 199.66s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.2 Pemrograman : 6.3 Gabungan : 8.7 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
#80#80	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.62s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 7 Token input 101,047 Token output 11,834 Token penalaran 117,014 Waktu respons (rata-rata) 68.62s Waktu respons (total) 1509.53s Waktu respons (maks) 376.10s Jawaban salah: 5 Kesalahan API: 2 Kedaluwarsa: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.2 Pemrograman : 6.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 3.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#81#81	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 8 Token input 118,448 Token output 62,124 Token penalaran 165,243 Waktu respons (rata-rata) 99.00s Waktu respons (total) 1485.04s Waktu respons (maks) 281.00s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kedaluwarsa: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.3 Pemrograman : 6.1 Gabungan : 6.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#82#82	Mercury 2medium	7.0	Inception	$0.093	2.72s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 51.5% Tes tidak stabil 3 Token input 109,572 Token output 10,313 Token penalaran 76,806 Waktu respons (rata-rata) 2.72s Waktu respons (total) 57.12s Waktu respons (maks) 14.63s Jawaban salah: 8 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.9 Pemrograman : 8.2 Gabungan : 6.7 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#83#83	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
#85#85	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.467	24.04s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 7 Token input 87,907 Token output 7,213 Token penalaran 128,251 Waktu respons (rata-rata) 24.04s Waktu respons (total) 528.92s Waktu respons (maks) 257.00s Jawaban salah: 9 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.2 Pemrograman : 7.8 Gabungan : 6.4 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 4.7 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#86#86	DeepSeek V4 Pronone	6.9	DeepSeek	$0.096	11.55s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 51.5% Tes tidak stabil 4 Token input 148,069 Token output 35,551 Token penalaran 0 Waktu respons (rata-rata) 11.55s Waktu respons (total) 254.11s Waktu respons (maks) 119.44s Jawaban salah: 8 Tidak mengikuti instruksi: 2 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.2 Pemrograman : 5.6 Gabungan : 7.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#87#87	GPT-5.6 Solnone	6.9	OpenAI	$0.524	2.16s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 3 Token input 78,593 Token output 4,357 Token penalaran 0 Waktu respons (rata-rata) 2.16s Waktu respons (total) 47.62s Waktu respons (maks) 12.81s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 6.5 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#88#88	MiMo-V2.5-Promedium	6.9	Xiaomi	$0.187 ↓	33.92s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 139,883 Token output 15,521 Token penalaran 130,992 Waktu respons (rata-rata) 33.92s Waktu respons (total) 746.19s Waktu respons (maks) 197.54s Format tambahan: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 6.9 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
#89#89	Qwen3.6 Flashmedium	6.9	Qwen	$0.738 ↓	44.65s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 5 Token input 129,041 Token output 20,026 Token penalaran 614,312 Waktu respons (rata-rata) 44.65s Waktu respons (total) 982.32s Waktu respons (maks) 578.13s Jawaban salah: 8 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 5.0 Gabungan : 6.5 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
#90#90	Step 3.7 Flashhigh	6.9	Stepfun	$1.207	64.68s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 5 Token input 98,691 Token output 1,032,395 Token penalaran 0 Waktu respons (rata-rata) 64.68s Waktu respons (total) 1423.01s Waktu respons (maks) 364.99s Jawaban salah: 6 Tidak ada jawaban: 4 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 4.0 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#91#91	GPT-5.5none	6.9	OpenAI	$0.544	2.36s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 56.1% Tes tidak stabil 3 Token input 79,285 Token output 4,915 Token penalaran 0 Waktu respons (rata-rata) 2.36s Waktu respons (total) 51.88s Waktu respons (maks) 12.24s Jawaban salah: 11 Trik anti-AI : 6.9 Pemrograman : 5.5 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#92#92	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	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.95s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 3 Token input 104,210 Token output 10,710 Token penalaran 0 Waktu respons (rata-rata) 2.95s Waktu respons (total) 44.26s Waktu respons (maks) 21.19s Jawaban salah: 8 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 3.8 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
#94#94	Qwen3.6 35B A3Bmedium	6.7	Qwen	$0.746 ↑	58.06s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 1 Token input 85,139 Token output 61,819 Token penalaran 678,766 Waktu respons (rata-rata) 58.06s Waktu respons (total) 1161.18s Waktu respons (maks) 817.57s Jawaban salah: 4 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 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
#95#95	Gemini 3.5 Flash-Litelow	6.7	Google	$0.145	2.25s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 144,622 Token output 15,302 Token penalaran 24,971 Waktu respons (rata-rata) 2.25s Waktu respons (total) 49.58s Waktu respons (maks) 13.50s Jawaban salah: 9 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 4.1 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.8 Pemanggilan alat : 9.8 Pengetahuan umum : 4.7
#97#97	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.476	25.56s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 7 Token input 98,499 Token output 135,861 Token penalaran 0 Waktu respons (rata-rata) 25.56s Waktu respons (total) 562.43s Waktu respons (maks) 335.41s Jawaban salah: 10 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.7 Pemrograman : 6.1 Gabungan : 4.1 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#98#98	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 65.2% 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 : 3.4 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
#99#99	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Lihat kartu model Total Tes 19 Tes Salah 3 Keandalan 10.0 Tingkat lulus per percobaan 72.7% Tes tidak stabil 0 Token input 69,576 Token output 6,265 Token penalaran 0 Waktu respons (rata-rata) 3.02s Waktu respons (total) 57.44s Waktu respons (maks) 18.27s Jawaban salah: 3 Trik anti-AI : 8.3 Pemrograman : 3.3 Gabungan : 4.8 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
#101#101	GLM 5.2none	6.6	Z.ai	$0.125 ↓	9.34s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 2 Token input 112,359 Token output 14,340 Token penalaran 0 Waktu respons (rata-rata) 9.34s Waktu respons (total) 205.46s Waktu respons (maks) 79.65s Jawaban salah: 8 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 3.7 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#104#104	Gemini 3.5 Flash-Litemedium	6.5	Google	$0.369	6.01s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 7 Token input 118,818 Token output 11,677 Token penalaran 121,611 Waktu respons (rata-rata) 6.01s Waktu respons (total) 132.30s Waktu respons (maks) 49.03s Jawaban salah: 9 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#105#105	Qwen3.6 27Bmedium	6.5	Qwen	$1.038 ↑	106.32s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 6 Token input 106,167 Token output 32,889 Token penalaran 241,303 Waktu respons (rata-rata) 106.32s Waktu respons (total) 2339.12s Waktu respons (maks) 1085.11s Jawaban salah: 6 Tidak ada jawaban: 3 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.3 Pemrograman : 7.7 Gabungan : 6.7 Parsing dan ekstraksi data : 3.5 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#106#106	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
#107#107	MiMo-V2.5medium	6.5	Xiaomi	$0.082 ↓	32.20s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 6 Token input 105,447 Token output 7,120 Token penalaran 230,682 Waktu respons (rata-rata) 32.20s Waktu respons (total) 708.46s Waktu respons (maks) 162.44s Jawaban salah: 5 Format tambahan: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 8.7 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
#108#108	Laguna XS 2.1medium	6.5	Poolside	$0.068	47.93s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 1 Token input 118,989 Token output 30,750 Token penalaran 491,833 Waktu respons (rata-rata) 47.93s Waktu respons (total) 1054.49s Waktu respons (maks) 422.72s Jawaban salah: 11 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0

←

1 2 3 4 8

→

Perbandingan Cepat

Gemini 3.6 FlashmediumvsGemini 3.6 Flashhigh Gemini 3.6 FlashhighvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3.6 Flashlow Gemini 3.6 FlashlowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium Gemini 3.5 FlashmediumvsGPT-5.5medium

Leaderboard AI Benchy

Filter model

Perbandingan Cepat