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: 2026-04-24 Model Dievaluasi: 115

115/115

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#91#91	DeepSeek V4 Flashnone	5.3	DeepSeek	$0.008	29.39s
Lihat kartu model Total Tes: 18 Tes Salah: 13 Keandalan: T/A Tingkat lulus per percobaan: 33.3% Tes tidak stabil: 2 Token output: 4,444 Token penalaran: 0 Waktu respons: rata-rata 29.39s · total 529.10s · maks 111.96s Jawaban salah: 8 Format tambahan: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.0 Pemrograman : 6.3 Gabungan : 4.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.2 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0
#92#92	Grok 4.20 Betanone	5.3	X AI	$0.091	1.19s
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 29.6% Tes tidak stabil: 2 Token output: 1,591 Token penalaran: 0 Waktu respons: rata-rata 1.19s · total 21.37s · maks 6.48s Jawaban salah: 10 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.0 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0
#93#93	MiniMax M2.7medium	5.3	Minimax	$0.091	31.08s
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 51.9% Tes tidak stabil: 10 Token output: 4,984 Token penalaran: 62,787 Waktu respons: rata-rata 31.08s · total 528.37s · maks 117.04s Tidak mengikuti instruksi: 6 Jawaban salah: 5 Kedaluwarsa: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.9 Pemrograman : 10.0 Gabungan : 4.7 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.0 Kecerdasan umum : 3.9 Kepatuhan instruksi : 3.7 Pemecahan teka-teki : 3.8 Pemanggilan alat : 4.7
#94#94	Elephant Alphamedium	5.2	Openrouter	$0.000	1.27s
Lihat kartu model Total Tes: 18 Tes Salah: 13 Keandalan: T/A Tingkat lulus per percobaan: 29.6% Tes tidak stabil: 1 Token output: 2,596 Token penalaran: 0 Waktu respons: rata-rata 1.27s · total 22.82s · maks 3.70s Jawaban salah: 9 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.6 Pemrograman : 5.1 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.7 Pemanggilan alat : 3.0
#95#95	Grok 4.20none	5.2	X AI	$0.095	1.11s
Lihat kartu model Total Tes: 18 Tes Salah: 13 Keandalan: T/A Tingkat lulus per percobaan: 29.6% Tes tidak stabil: 1 Token output: 1,967 Token penalaran: 0 Waktu respons: rata-rata 1.11s · total 20.02s · maks 6.04s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 3.4 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.8 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0
#96#96	Mistral Small 4none	5.2	Mistral	$0.006	665ms
Lihat kartu model Total Tes: 18 Tes Salah: 13 Keandalan: T/A Tingkat lulus per percobaan: 31.5% Tes tidak stabil: 1 Token output: 2,207 Token penalaran: 0 Waktu respons: rata-rata 665ms · total 11.97s · maks 1.72s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.4 Pemrograman : 4.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0
#97#97	gpt-oss-120bnone	5.2	OpenAI	$0.009	11.96s
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 38.9% Tes tidak stabil: 5 Token output: 44,652 Token penalaran: 0 Waktu respons: rata-rata 11.96s · total 179.34s · maks 68.97s Jawaban salah: 6 Tidak mengikuti instruksi: 5 Kesalahan API: 3 Trik anti-AI : 6.6 Pemrograman : 4.3 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.6 Kepatuhan instruksi : 8.4 Pemecahan teka-teki : 4.5 Pemanggilan alat : 3.0
#98#98	Elephant Alphanone	5.2	Openrouter	$0.000	1.23s
Lihat kartu model Total Tes: 18 Tes Salah: 13 Keandalan: T/A Tingkat lulus per percobaan: 31.5% Tes tidak stabil: 1 Token output: 2,573 Token penalaran: 0 Waktu respons: rata-rata 1.23s · total 22.16s · maks 3.81s Jawaban salah: 9 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.6 Pemrograman : 6.4 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.3 Pemanggilan alat : 3.0
#99#99	GPT-5.4 Mininone	5.1	OpenAI	$0.032	1.17s
Lihat kartu model Total Tes: 18 Tes Salah: 13 Keandalan: T/A Tingkat lulus per percobaan: 35.2% Tes tidak stabil: 3 Token output: 2,418 Token penalaran: 0 Waktu respons: rata-rata 1.17s · total 21.01s · maks 2.52s Jawaban salah: 10 Tidak mengikuti instruksi: 3 Trik anti-AI : 3.1 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.4 Pemanggilan alat : 3.0
#100#100	Qwen3 Coder Nextnone	5.1	Qwen	$0.008	10.18s
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 25.9% Tes tidak stabil: 1 Token output: 3,617 Token penalaran: 0 Waktu respons: rata-rata 10.18s · total 122.13s · maks 45.14s Jawaban salah: 12 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.6 Pemrograman : 7.3 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 3.2 Pemanggilan alat : 10.0
#101#101	MiMo-V2.5none	5.1	Xiaomi	$0.019	1.05s
Lihat kartu model Total Tes: 18 Tes Salah: 13 Keandalan: T/A Tingkat lulus per percobaan: 27.8% Tes tidak stabil: 0 Token output: 2,177 Token penalaran: 0 Waktu respons: rata-rata 1.05s · total 18.94s · maks 2.43s Jawaban salah: 10 Tidak mengikuti instruksi: 2 Format tambahan: 1 Trik anti-AI : 4.8 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.6 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.4 Pemanggilan alat : 10.0
#102#102	Nemotron 3 Supernone	5.1	NVIDIA	$0.000	8.54s
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 35.2% Tes tidak stabil: 4 Token output: 4,760 Token penalaran: 0 Waktu respons: rata-rata 8.54s · total 153.69s · maks 24.97s Jawaban salah: 10 Tidak mengikuti instruksi: 4 Trik anti-AI : 4.8 Pemrograman : 3.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.2 Kepatuhan instruksi : 4.9 Pemecahan teka-teki : 5.7 Pemanggilan alat : 4.7
#103#103	GPT-4o-mininone	4.9	OpenAI	$0.005	2.00s
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 22.2% Tes tidak stabil: 0 Token output: 1,947 Token penalaran: 0 Waktu respons: rata-rata 2.00s · total 21.99s · maks 7.58s Jawaban salah: 13 Tidak mengikuti instruksi: 1 Trik anti-AI : 4.8 Pemrograman : 3.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0
#104#104	Qwen3.5-9Bnone	4.8	Qwen	$0.005	1.47s
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 24.1% Tes tidak stabil: 1 Token output: 3,951 Token penalaran: 0 Waktu respons: rata-rata 1.47s · total 26.43s · maks 5.91s Jawaban salah: 10 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.1 Pemrograman : 5.2 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.2 Pemanggilan alat : 10.0
#105#105	Mercury 2none	4.8	Inception	$0.007	613ms
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 27.8% Tes tidak stabil: 2 Token output: 1,625 Token penalaran: 0 Waktu respons: rata-rata 613ms · total 11.04s · maks 1.27s Jawaban salah: 13 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.0 Pemrograman : 3.6 Gabungan : 3.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0
#106#106	Qwen3 Coder Nextmedium	4.7	Qwen	$0.008	10.75s
Lihat kartu model Total Tes: 18 Tes Salah: 15 Keandalan: T/A Tingkat lulus per percobaan: 27.8% Tes tidak stabil: 3 Token output: 3,241 Token penalaran: 0 Waktu respons: rata-rata 10.75s · total 129.01s · maks 81.80s Jawaban salah: 9 Tidak mengikuti instruksi: 5 Kedaluwarsa: 1 Trik anti-AI : 3.5 Pemrograman : 4.7 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 6.3 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0
#107#107	HY3 Previewnone	4.7	Tencent	$0.000	13.56s
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 27.8% Tes tidak stabil: 2 Token output: 2,639 Token penalaran: 0 Waktu respons: rata-rata 13.56s · total 230.55s · maks 35.84s Jawaban salah: 7 Tidak mengikuti instruksi: 4 Kesalahan API: 2 Format tambahan: 1 Trik anti-AI : 4.8 Pemrograman : 2.3 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.6 Kecerdasan umum : 4.1 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.3 Pemanggilan alat : 10.0
#108#108	GLM 4.7 Flashmedium	4.6	Z.ai	$0.046	32.33s
Lihat kartu model Total Tes: 18 Tes Salah: 14 Keandalan: T/A Tingkat lulus per percobaan: 38.9% Tes tidak stabil: 8 Token output: 39,688 Token penalaran: 72,401 Waktu respons: rata-rata 32.33s · total 355.65s · maks 174.55s Jawaban salah: 8 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Trik anti-AI : 4.7 Pemrograman : 3.6 Gabungan : 2.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.5 Kecerdasan umum : 3.6 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 2.9 Pemanggilan alat : 10.0
#109#109	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.79s
Lihat kartu model Total Tes: 18 Tes Salah: 15 Keandalan: T/A Tingkat lulus per percobaan: 27.8% Tes tidak stabil: 5 Token output: 68,522 Token penalaran: 0 Waktu respons: rata-rata 2.79s · total 39.08s · maks 19.68s Jawaban salah: 12 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.2 Pemrograman : 6.3 Gabungan : 3.0 Parsing dan ekstraksi data : 2.9 Spesifik domain : 5.3 Kecerdasan umum : 4.6 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0
#110#110	Grok 4.1 Fastnone	4.5	X AI	$0.009	1.76s
Lihat kartu model Total Tes: 18 Tes Salah: 15 Keandalan: T/A Tingkat lulus per percobaan: 24.1% Tes tidak stabil: 3 Token output: 1,721 Token penalaran: 0 Waktu respons: rata-rata 1.76s · total 19.35s · maks 5.51s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.2 Pemrograman : 5.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.2 Pemanggilan alat : 2.8
#111#111	Ling 2.6 1tnone	4.5	Inclusionai	$0.000	8.79s
Lihat kartu model Total Tes: 18 Tes Salah: 15 Keandalan: T/A Tingkat lulus per percobaan: 16.7% Tes tidak stabil: 0 Token output: 2,434 Token penalaran: 0 Waktu respons: rata-rata 8.79s · total 158.19s · maks 25.72s Jawaban salah: 11 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.4 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 3.1 Pemanggilan alat : 3.0
#112#112	GPT-5.4 Nanonone	4.5	OpenAI	$0.009	1.40s
Lihat kartu model Total Tes: 18 Tes Salah: 16 Keandalan: T/A Tingkat lulus per percobaan: 31.5% Tes tidak stabil: 7 Token output: 2,762 Token penalaran: 0 Waktu respons: rata-rata 1.40s · total 25.14s · maks 3.84s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Trik anti-AI : 3.5 Pemrograman : 7.1 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 3.8 Kepatuhan instruksi : 5.0 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0
#113#113	Qwen3.5-9Bmedium	4.4	Qwen	$0.030	73.64s
Lihat kartu model Total Tes: 18 Tes Salah: 15 Keandalan: T/A Tingkat lulus per percobaan: 33.3% Tes tidak stabil: 6 Token output: 24,291 Token penalaran: 172,597 Waktu respons: rata-rata 73.64s · total 1104.60s · maks 226.38s Kedaluwarsa: 11 Tidak mengikuti instruksi: 2 Format tambahan: 1 Jawaban salah: 1 Trik anti-AI : 5.1 Pemrograman : 2.6 Gabungan : 3.0 Parsing dan ekstraksi data : 3.6 Spesifik domain : 3.6 Kecerdasan umum : 2.8 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0
#114#114	LFM2-24B-A2Bnone	4.1	Liquid	$0.001	811ms
Lihat kartu model Total Tes: 16 Tes Salah: 15 Keandalan: T/A Tingkat lulus per percobaan: 14.6% Tes tidak stabil: 2 Token output: 1,185 Token penalaran: 0 Waktu respons: rata-rata 811ms · total 11.35s · maks 2.88s Jawaban salah: 9 Kesalahan API: 4 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.3 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 5.9 Kecerdasan umum : 4.0 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 4.4 Pemanggilan alat : 3.0
#115#115	Step 3.5 Flashnone	3.0	Stepfun	$0.000	0ms
Lihat kartu model Total Tes: 1 Tes Salah: 1 Keandalan: T/A Tingkat lulus per percobaan: 0.0% Tes tidak stabil: 0 Token output: 0 Token penalaran: 0 Waktu respons: rata-rata 0ms · total 0ms · maks 0ms Kesalahan API: 1 Pemrograman : 3.0

Perbandingan Cepat

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsHY3 PreviewhighTersedia gratis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGPT-5.5medium GPT-5.5mediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium

Leaderboard Benchmark AI

Filter model

Perbandingan Cepat