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)
#242#242	Nemotron 3.5 Lightninghigh	5.6	NVIDIA	$0.134 ↕	58.26s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 9.9 Tingkat lulus per percobaan 50.0% Tes tidak stabil 12 Token input 118,016 Token output 148,344 Token penalaran 506,253 Waktu respons (rata-rata) 58.26s Waktu respons (total) 1281.79s Waktu respons (maks) 285.26s Jawaban salah: 11 Tidak mengikuti instruksi: 4 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 5.5 Pemrograman : 4.4 Gabungan : 6.4 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 3.7 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 3.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#220#220	Hy3 previewhigh	5.9	Tencent	$0.135 ↕	56.57s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 2 Token input 25,987 Token output 216,719 Token penalaran 0 Waktu respons (rata-rata) 56.57s Waktu respons (total) 848.59s Waktu respons (maks) 149.94s Kesalahan API: 7 Jawaban salah: 3 Trik anti-AI : 6.4 Pemrograman : 5.3 Gabungan : 5.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 3.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#111#111	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 1 Token input 106,946 Token output 7,993 Token penalaran 503,413 Waktu respons (rata-rata) 54.50s Waktu respons (total) 1199.07s Waktu respons (maks) 252.69s Jawaban salah: 6 Format tambahan: 3 Trik anti-AI : 8.3 Pemrograman : 5.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#269#269	Granite 4.2 8Blow	5.1	IBM Granite	$0.012 ↓	54.36s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 9.0 Tingkat lulus per percobaan 31.8% Tes tidak stabil 0 Token input 74,721 Token output 9,205 Token penalaran 18,723 Waktu respons (rata-rata) 54.36s Waktu respons (total) 1195.97s Waktu respons (maks) 566.80s Jawaban salah: 10 Kedaluwarsa: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#214#214	GPT-5 Nanomedium	6.0	OpenAI	$0.118	54.20s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 54.5% Tes tidak stabil 9 Token input 94,944 Token output 12,037 Token penalaran 270,400 Waktu respons (rata-rata) 54.20s Waktu respons (total) 867.23s Waktu respons (maks) 227.89s Jawaban salah: 10 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 6.5 Pemrograman : 7.0 Gabungan : 6.4 Parsing dan ekstraksi data : 3.7 Spesifik domain : 3.4 Kecerdasan umum : 4.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#83#83	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 75.8% Tes tidak stabil 3 Token input 115,242 Token output 6,163 Token penalaran 181,174 Waktu respons (rata-rata) 53.51s Waktu respons (total) 1177.25s 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
#33#33	Muse Spark 1.3high	8.9	Meta	$1.653	52.49s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 77.3% Tes tidak stabil 2 Token input 99,143 Token output 12,083 Token penalaran 347,525 Waktu respons (rata-rata) 52.49s Waktu respons (total) 1154.76s Waktu respons (maks) 251.53s Jawaban salah: 3 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 8.7 Pemanggilan alat : 9.6 Pengetahuan umum : 3.0
#227#227	Nemotron 3 Supermedium	5.7	NVIDIA	$0.054 ↑	52.31s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 9.1 Tingkat lulus per percobaan 40.9% Tes tidak stabil 3 Token input 81,438 Token output 17,674 Token penalaran 97,900 Waktu respons (rata-rata) 52.31s Waktu respons (total) 1046.21s Waktu respons (maks) 431.98s Jawaban salah: 5 Kesalahan API: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 8.3 Pemrograman : 3.1 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.1 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#43#43	GLM 5.3 Flashmax	8.7	Z.ai	$0.071 ↑	52.10s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 81.8% Tes tidak stabil 3 Token input 96,873 Token output 7,637 Token penalaran 196,703 Waktu respons (rata-rata) 52.10s Waktu respons (total) 1146.24s Waktu respons (maks) 333.47s Jawaban salah: 2 Format tambahan: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#286#286	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 2 Token input 7,608 Token output 40,277 Token penalaran 0 Waktu respons (rata-rata) 51.99s Waktu respons (total) 831.90s Waktu respons (maks) 143.82s Kesalahan API: 6 Jawaban salah: 5 Tidak mengikuti instruksi: 2 Trik anti-AI : 9.2 Pemrograman : 5.3 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#97#97	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.042 ↓	51.81s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 4 Token input 108,480 Token output 37,229 Token penalaran 174,081 Waktu respons (rata-rata) 51.81s Waktu respons (total) 1139.75s 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 : 3.6 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#161#161	MiMo-V2.5-Promedium	6.8	Xiaomi	$0.221 ↓	48.68s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 6 Token input 139,892 Token output 15,569 Token penalaran 169,897 Waktu respons (rata-rata) 48.68s Waktu respons (total) 1071.02s Waktu respons (maks) 333.34s Format tambahan: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 6.9 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#181#181	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 2 Token input 118,998 Token output 30,750 Token penalaran 491,730 Waktu respons (rata-rata) 48.18s Waktu respons (total) 1059.93s Waktu respons (maks) 422.72s Jawaban salah: 10 Tidak ada jawaban: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#90#90	Seed-2.0-Litemedium	7.8	Bytedance Seed	$0.236	47.94s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 4 Token input 129,906 Token output 12,530 Token penalaran 88,766 Waktu respons (rata-rata) 47.94s Waktu respons (total) 1054.57s Waktu respons (maks) 254.92s Jawaban salah: 6 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 : 3.6 Kecerdasan umum : 6.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#151#151	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 7 Token input 114,477 Token output 12,786 Token penalaran 457,290 Waktu respons (rata-rata) 47.38s Waktu respons (total) 1042.43s Waktu respons (maks) 593.64s Jawaban salah: 8 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.5 Kepatuhan instruksi : 5.8 Pemecahan teka-teki : 7.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#132#132	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 9.6 Tingkat lulus per percobaan 63.6% Tes tidak stabil 2 Token input 42,106 Token output 2,280 Token penalaran 169,843 Waktu respons (rata-rata) 46.97s Waktu respons (total) 986.35s Waktu respons (maks) 189.38s Jawaban salah: 8 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.9 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#188#188	MiMo-V2.5medium	6.4	Xiaomi	$0.104 ↓	46.28s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 7 Token input 105,456 Token output 7,108 Token penalaran 319,940 Waktu respons (rata-rata) 46.28s Waktu respons (total) 1018.12s Waktu respons (maks) 316.27s Jawaban salah: 5 Format tambahan: 2 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 8.7 Parsing dan ekstraksi data : 2.7 Spesifik domain : 3.6 Kecerdasan umum : 5.4 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#265#265	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.008 ↓	45.97s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 8.7 Tingkat lulus per percobaan 34.9% Tes tidak stabil 1 Token input 52,909 Token output 7,058 Token penalaran 12,272 Waktu respons (rata-rata) 45.97s Waktu respons (total) 1011.42s Waktu respons (maks) 557.96s Jawaban salah: 9 Kedaluwarsa: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.4 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 3.8 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#84#84	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 2 Token input 97,698 Token output 6,417 Token penalaran 191,215 Waktu respons (rata-rata) 45.52s Waktu respons (total) 955.94s 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
#154#154	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 129,050 Token output 20,026 Token penalaran 616,923 Waktu respons (rata-rata) 44.97s Waktu respons (total) 989.32s 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 : 2.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#25#25	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Lihat kartu model Total Tes 22 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 86.4% Tes tidak stabil 3 Token input 106,029 Token output 5,748 Token penalaran 220,354 Waktu respons (rata-rata) 44.32s Waktu respons (total) 975.11s Waktu respons (maks) 556.06s Jawaban salah: 4 Pemanggilan alat tidak valid: 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
#140#140	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 140,244 Token output 13,739 Token penalaran 212,165 Waktu respons (rata-rata) 44.21s Waktu respons (total) 972.64s Waktu respons (maks) 216.69s Jawaban salah: 6 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 : 3.5 Kecerdasan umum : 5.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#276#276	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 9 Token input 114,527 Token output 18,558 Token penalaran 129,146 Waktu respons (rata-rata) 43.25s Waktu respons (total) 908.21s Waktu respons (maks) 196.21s Jawaban salah: 6 Tidak mengikuti instruksi: 5 Tidak ada jawaban: 2 Kedaluwarsa: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.9 Pemrograman : 5.7 Gabungan : 3.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.0 Kecerdasan umum : 3.9 Kepatuhan instruksi : 3.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#92#92	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 6 Token input 116,331 Token output 12,330 Token penalaran 357,920 Waktu respons (rata-rata) 41.37s Waktu respons (total) 910.11s Waktu respons (maks) 431.47s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#219#219	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Lihat kartu model Total Tes 21 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 3 Token input 37,007 Token output 1,952 Token penalaran 357,306 Waktu respons (rata-rata) 41.16s Waktu respons (total) 823.26s Waktu respons (maks) 299.23s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kesalahan API: 1 Format tambahan: 1 Trik anti-AI : 10.0 Pemrograman : 3.3 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.4 Kepatuhan instruksi : 8.3 Pemecahan teka-teki : 5.9 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