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: 2026-09-18 Model Dievaluasi: 330

Model rekomendasi

GPT-6 Astra xhigh Cerdas Tingkat lulus per percobaan 97.0% Tes benar 21 / 22 Skor 9.9/10 GPT-5.6 Luna medium Cepat Waktu respons (rata-rata) 7.43s Total token output 44,525 Skor 7.4/10 DeepSeek V4 Flash 0731 high Terjangkau Harga input $0.060 / 1M Harga output $0.120 / 1M Skor 8.0/10

330/330

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#94#94	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 8.5 Tingkat lulus per percobaan 77.3% Tes tidak stabil 6 Token input 85,657 Token output 8,142 Token penalaran 233,167 Waktu respons (rata-rata) 72.24s Waktu respons (total) 1589.31s Waktu respons (maks) 485.92s Jawaban salah: 6 Kesalahan API: 2 Tidak mengikuti instruksi: 1 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
#266#266	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.156 ↕	70.11s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 9.9 Tingkat lulus per percobaan 48.5% Tes tidak stabil 11 Token input 126,330 Token output 165,702 Token penalaran 594,739 Waktu respons (rata-rata) 70.11s Waktu respons (total) 1542.52s Waktu respons (maks) 437.11s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.9 Pemrograman : 4.4 Gabungan : 6.2 Parsing dan ekstraksi data : 3.7 Spesifik domain : 2.9 Kecerdasan umum : 5.5 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 4.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#155#155	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 4 Token input 98,700 Token output 1,050,900 Token penalaran 0 Waktu respons (rata-rata) 70.10s Waktu respons (total) 1542.14s Waktu respons (maks) 364.99s Jawaban salah: 7 Tidak ada jawaban: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 4.0 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#76#76	GLM 5.2high	8.0	Z.ai	$1.721 ↑	69.86s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 3 Token input 83,822 Token output 72,040 Token penalaran 292,615 Waktu respons (rata-rata) 69.86s Waktu respons (total) 1536.98s Waktu respons (maks) 599.43s Kedaluwarsa: 3 Tidak ada jawaban: 2 Jawaban salah: 2 Tidak mengikuti instruksi: 1 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
#301#301	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 43.9% Tes tidak stabil 9 Token input 142,621 Token output 20,409 Token penalaran 251,820 Waktu respons (rata-rata) 69.08s Waktu respons (total) 1036.24s Waktu respons (maks) 251.36s Jawaban salah: 7 Kedaluwarsa: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 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
#190#190	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 3 Token input 113,613 Token output 122,706 Token penalaran 42,325 Waktu respons (rata-rata) 68.80s Waktu respons (total) 1375.99s Waktu respons (maks) 304.19s Jawaban salah: 6 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 5.3 Gabungan : 7.3 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.6 Kecerdasan umum : 4.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#55#55	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Lihat kartu model Total Tes 22 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 83.3% Tes tidak stabil 3 Token input 122,155 Token output 5,514 Token penalaran 293,946 Waktu respons (rata-rata) 68.59s Waktu respons (total) 1508.91s Waktu respons (maks) 436.38s Jawaban salah: 5 Trik anti-AI : 10.0 Pemrograman : 7.6 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#142#142	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 7 Token input 101,056 Token output 11,832 Token penalaran 116,955 Waktu respons (rata-rata) 68.43s Waktu respons (total) 1505.53s 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
#261#261	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Lihat kartu model Total Tes 16 Tes Salah 3 Keandalan T/A Tingkat lulus per percobaan 59.1% Tes tidak stabil 0 Token input 28,980 Token output 1,283 Token penalaran 1,533,310 Waktu respons (rata-rata) 68.14s Waktu respons (total) 1090.28s Waktu respons (maks) 280.52s Jawaban salah: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 7.5 Pemrograman : 0.0 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 0.0
#323#323	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 9.6 Tingkat lulus per percobaan 24.2% Tes tidak stabil 3 Token input 103,898 Token output 148,304 Token penalaran 774,972 Waktu respons (rata-rata) 68.08s Waktu respons (total) 1429.66s Waktu respons (maks) 262.20s Tidak ada jawaban: 7 Jawaban salah: 5 Tidak mengikuti instruksi: 4 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.5 Pemrograman : 2.9 Gabungan : 3.0 Parsing dan ekstraksi data : 2.7 Spesifik domain : 3.0 Kecerdasan umum : 3.8 Kepatuhan instruksi : 6.8 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#186#186	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 6 Token input 127,621 Token output 141,858 Token penalaran 590,204 Waktu respons (rata-rata) 67.81s Waktu respons (total) 1491.80s Waktu respons (maks) 480.52s Jawaban salah: 8 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.7 Pemrograman : 5.8 Gabungan : 6.9 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 3.4 Kepatuhan instruksi : 8.3 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#218#218	Dots 3 Note Previewmedium	5.9	Dots Studio	$0.000	67.13s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 8 Token input 94,639 Token output 108,013 Token penalaran 571,526 Waktu respons (rata-rata) 67.13s Waktu respons (total) 1476.95s Waktu respons (maks) 459.19s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Format tambahan: 1 Trik anti-AI : 8.7 Pemrograman : 4.2 Gabungan : 9.9 Parsing dan ekstraksi data : 4.5 Spesifik domain : 3.6 Kecerdasan umum : 3.8 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#131#131	Muse Glimmer 30Bhigh	7.2	Meta	$0.397 ↓	66.70s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 8 Token input 103,494 Token output 100,589 Token penalaran 270,217 Waktu respons (rata-rata) 66.70s Waktu respons (total) 1467.39s Waktu respons (maks) 451.90s Jawaban salah: 7 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 2 Trik anti-AI : 8.7 Pemrograman : 8.8 Gabungan : 6.4 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 5.3 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 6.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#49#49	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Lihat kartu model Total Tes 22 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 83.3% Tes tidak stabil 2 Token input 79,249 Token output 5,097 Token penalaran 165,276 Waktu respons (rata-rata) 66.52s Waktu respons (total) 1463.50s Waktu respons (maks) 238.07s Jawaban salah: 4 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 8.8 Gabungan : 7.3 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
#320#320	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 9.6 Tingkat lulus per percobaan 19.7% Tes tidak stabil 1 Token input 99,662 Token output 146,555 Token penalaran 732,977 Waktu respons (rata-rata) 66.16s Waktu respons (total) 1389.33s Waktu respons (maks) 252.08s Tidak ada jawaban: 7 Jawaban salah: 5 Tidak mengikuti instruksi: 4 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.5 Pemrograman : 2.9 Gabungan : 3.0 Parsing dan ekstraksi data : 2.8 Spesifik domain : 3.0 Kecerdasan umum : 5.1 Kepatuhan instruksi : 6.6 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#135#135	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.047 ↓	65.67s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 4 Token input 124,780 Token output 47,694 Token penalaran 439,825 Waktu respons (rata-rata) 65.67s Waktu respons (total) 1444.68s 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
#72#72	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 77.3% Tes tidak stabil 3 Token input 86,755 Token output 6,057 Token penalaran 230,570 Waktu respons (rata-rata) 62.57s Waktu respons (total) 1376.46s 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
#234#234	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Lihat kartu model Total Tes 18 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 56.1% 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 : 3.3 Gabungan : 5.0 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 Pengetahuan umum : 0.0
#185#185	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 5 Token input 113,889 Token output 110,550 Token penalaran 496,487 Waktu respons (rata-rata) 61.81s Waktu respons (total) 1359.72s Waktu respons (maks) 417.36s Jawaban salah: 7 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 6.9 Parsing dan ekstraksi data : 7.3 Spesifik domain : 3.6 Kecerdasan umum : 4.0 Kepatuhan instruksi : 7.9 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#63#63	DeepSeek V4.1 Flashmax	8.3	DeepSeek	$1.073 ↑	61.35s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 9.1 Tingkat lulus per percobaan 68.2% Tes tidak stabil 2 Token input 89,024 Token output 5,558 Token penalaran 865,568 Waktu respons (rata-rata) 61.35s Waktu respons (total) 1349.61s Waktu respons (maks) 335.08s Jawaban salah: 6 Kesalahan API: 1 Tidak mengikuti instruksi: 1 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
#3🥉 #3	GPT-6 Astramax	9.9	OpenAI	$3.803	61.27s
Lihat kartu model Total Tes 22 Tes Salah 1 Keandalan 9.5 Tingkat lulus per percobaan 95.5% Tes tidak stabil 0 Token input 79,058 Token output 4,853 Token penalaran 55,377 Waktu respons (rata-rata) 61.27s Waktu respons (total) 1347.96s Waktu respons (maks) 960.01s Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 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 : 10.0
#287#287	Nemotron 3.5 Lightninglow	4.8	NVIDIA	$0.140 ↕	59.81s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 9.8 Tingkat lulus per percobaan 42.4% Tes tidak stabil 9 Token input 138,792 Token output 142,972 Token penalaran 522,202 Waktu respons (rata-rata) 59.81s Waktu respons (total) 1315.80s Waktu respons (maks) 312.21s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.9 Pemrograman : 4.0 Gabungan : 6.3 Parsing dan ekstraksi data : 2.9 Spesifik domain : 3.6 Kecerdasan umum : 3.7 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#143#143	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 8.1 Tingkat lulus per percobaan 65.2% Tes tidak stabil 4 Token input 82,592 Token output 16,089 Token penalaran 199,800 Waktu respons (rata-rata) 58.80s Waktu respons (total) 1234.72s Waktu respons (maks) 308.75s Jawaban salah: 4 Tidak ada jawaban: 2 Kedaluwarsa: 2 Kesalahan API: 1 Format tambahan: 1 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
#177#177	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.672 ↓	58.49s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 2 Token input 85,148 Token output 61,736 Token penalaran 681,556 Waktu respons (rata-rata) 58.49s Waktu respons (total) 1169.83s Waktu respons (maks) 817.57s Jawaban salah: 5 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 : 2.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#250#250	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 24.2% Tes tidak stabil 3 Token input 86,647 Token output 97,298 Token penalaran 242,297 Waktu respons (rata-rata) 58.42s Waktu respons (total) 1285.26s Waktu respons (maks) 560.31s Jawaban salah: 13 Pemanggilan alat tidak valid: 2 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.4 Pemrograman : 5.3 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.6 Kepatuhan instruksi : 4.2 Pemecahan teka-teki : 3.1 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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium