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: 2026-07-20 Model Dievaluasi: 210

210/210

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#169#169	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.17s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 19.7% Tes tidak stabil 1 Token input 144,407 Token output 37,484 Token penalaran 0 Waktu respons (rata-rata) 19.17s Waktu respons (total) 421.74s Waktu respons (maks) 382.06s Jawaban salah: 14 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Trik anti-AI : 3.1 Pemrograman : 3.9 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 Pengetahuan umum : 3.0
#155#155	Kimi K2.5none	5.5	Moonshot AI	$0.127 ↑	19.15s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 4 Token input 89,322 Token output 26,638 Token penalaran 0 Waktu respons (rata-rata) 19.15s Waktu respons (total) 287.30s Waktu respons (maks) 102.83s Jawaban salah: 15 Tidak ada jawaban: 1 Trik anti-AI : 3.6 Pemrograman : 5.5 Gabungan : 2.8 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#44#44	GPT-5.6 Lunahigh	7.7	OpenAI	$1.017	18.68s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 72.7% Tes tidak stabil 3 Token input 80,918 Token output 5,088 Token penalaran 150,910 Waktu respons (rata-rata) 18.68s Waktu respons (total) 411.05s Waktu respons (maks) 111.09s Jawaban salah: 7 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#173#173	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	18.25s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 37.9% Tes tidak stabil 6 Token input 135,780 Token output 42,097 Token penalaran 0 Waktu respons (rata-rata) 18.25s Waktu respons (total) 401.60s Waktu respons (maks) 115.89s Jawaban salah: 7 Kesalahan API: 4 Format tambahan: 2 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.2 Pemrograman : 3.1 Gabungan : 4.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 2.9 Kecerdasan umum : 4.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#17#17	Claude Fable 5medium	8.6	Anthropic	$3.478	17.20s
Lihat kartu model Total Tes 22 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 78.8% Tes tidak stabil 1 Token input 89,643 Token output 41,360 Token penalaran 10,269 Waktu respons (rata-rata) 17.20s Waktu respons (total) 378.41s Waktu respons (maks) 80.80s Tidak ada jawaban: 2 Jawaban salah: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 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
#207#207	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 27.3% Tes tidak stabil 5 Token input 11,661 Token output 48,491 Token penalaran 180,695 Waktu respons (rata-rata) 17.13s Waktu respons (total) 222.66s Waktu respons (maks) 147.45s Jawaban salah: 7 Kesalahan API: 6 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 6.4 Pemrograman : 1.1 Gabungan : 1.5 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 3.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 2.9 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#13#13	GPT-5.3-Codexmedium	8.9	OpenAI	$0.920	16.96s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 83.3% Tes tidak stabil 4 Token input 81,268 Token output 6,251 Token penalaran 49,274 Waktu respons (rata-rata) 16.96s Waktu respons (total) 373.19s Waktu respons (maks) 100.93s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.6 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.0 Pemanggilan alat : 10.0 Pengetahuan umum : 2.8
#104#104	Gemini 3.1 Flash Lite Previewlow	6.5	Google	$0.646	16.70s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 0 Token input 110,185 Token output 14,717 Token penalaran 397,483 Waktu respons (rata-rata) 16.70s Waktu respons (total) 367.47s Waktu respons (maks) 309.35s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#100#100	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
#105#105	Gemini 3.1 Flash Litelow	6.5	Google	$0.621	16.26s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 2 Token input 94,224 Token output 7,759 Token penalaran 390,126 Waktu respons (rata-rata) 16.26s Waktu respons (total) 357.64s Waktu respons (maks) 318.02s Jawaban salah: 9 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.3 Pemrograman : 5.5 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#32#32	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 9.8 Tingkat lulus per percobaan 78.8% Tes tidak stabil 5 Token input 124,053 Token output 12,189 Token penalaran 53,597 Waktu respons (rata-rata) 16.21s Waktu respons (total) 356.54s Waktu respons (maks) 85.12s Jawaban salah: 4 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 8.4 Gabungan : 7.3 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 : 3.0 Pengetahuan umum : 2.8
#144#144	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.90s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 9.9 Tingkat lulus per percobaan 43.9% Tes tidak stabil 6 Token input 50,470 Token output 3,957 Token penalaran 111,374 Waktu respons (rata-rata) 15.90s Waktu respons (total) 349.71s Waktu respons (maks) 118.35s Jawaban salah: 9 Kesalahan API: 3 Format tambahan: 3 Trik anti-AI : 6.9 Pemrograman : 4.3 Gabungan : 6.5 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#20#20	Grok 4.5low	8.4	X AI	$0.935	15.56s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 75.8% Tes tidak stabil 1 Token input 125,596 Token output 7,505 Token penalaran 106,446 Waktu respons (rata-rata) 15.56s Waktu respons (total) 342.32s Waktu respons (maks) 205.28s Jawaban salah: 6 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#175#175	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan T/A Tingkat lulus per percobaan 40.9% Tes tidak stabil 0 Token input 32,639 Token output 1,153 Token penalaran 62,197 Waktu respons (rata-rata) 15.25s Waktu respons (total) 182.96s Waktu respons (maks) 43.55s Kesalahan API: 8 Jawaban salah: 2 Trik anti-AI : 8.3 Pemrograman : 9.8 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 3.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#2🥈 #2	Gemini 3.5 Flashhigh	9.5	Google	$1.976	15.07s
Lihat kartu model Total Tes 22 Tes Salah 2 Keandalan 10.0 Tingkat lulus per percobaan 93.9% Tes tidak stabil 2 Token input 107,137 Token output 8,777 Token penalaran 192,900 Waktu respons (rata-rata) 15.07s Waktu respons (total) 331.48s Waktu respons (maks) 145.92s Pemanggilan alat tidak valid: 1 Jawaban salah: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 8.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 9.8 Pengetahuan umum : 10.0
#186#186	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 2 Token input 44,969 Token output 58,087 Token penalaran 0 Waktu respons (rata-rata) 14.73s Waktu respons (total) 220.93s Waktu respons (maks) 53.14s Kesalahan API: 4 Jawaban salah: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 6.5 Pemrograman : 1.5 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 3.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#126#126	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.56s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 43.9% Tes tidak stabil 4 Token input 94,468 Token output 51,487 Token penalaran 0 Waktu respons (rata-rata) 13.56s Waktu respons (total) 298.31s Waktu respons (maks) 206.05s Jawaban salah: 12 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 3.9 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#53#53	GPT-5.4 Nanomedium	7.5	OpenAI	$0.138	13.24s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 4 Token input 82,819 Token output 7,100 Token penalaran 90,022 Waktu respons (rata-rata) 13.24s Waktu respons (total) 291.33s Waktu respons (maks) 94.06s Jawaban salah: 8 Tidak mengikuti instruksi: 2 Trik anti-AI : 8.3 Pemrograman : 6.1 Gabungan : 9.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 4.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#199#199	Hy3 previewnone	4.0	Tencent	$0.003 ↕	12.92s
Lihat kartu model Total Tes 21 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 22.7% Tes tidak stabil 2 Token input 27,172 Token output 2,661 Token penalaran 0 Waktu respons (rata-rata) 12.92s Waktu respons (total) 232.64s Waktu respons (maks) 35.84s Jawaban salah: 8 Kesalahan API: 4 Tidak mengikuti instruksi: 4 Format tambahan: 1 Trik anti-AI : 4.8 Pemrograman : 2.7 Gabungan : 1.5 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.6 Kecerdasan umum : 4.1 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#142#142	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.92s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 33.3% Tes tidak stabil 2 Token input 241,566 Token output 88,458 Token penalaran 0 Waktu respons (rata-rata) 12.92s Waktu respons (total) 284.21s Waktu respons (maks) 212.63s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 3.7 Gabungan : 5.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.8 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#41#41	Claude Opus 4.8low	7.8	Anthropic	$2.077	12.74s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 80.3% Tes tidak stabil 3 Token input 156,525 Token output 43,141 Token penalaran 8,617 Waktu respons (rata-rata) 12.74s Waktu respons (total) 280.29s Waktu respons (maks) 127.97s Jawaban salah: 4 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.6 Gabungan : 9.9 Parsing dan ekstraksi data : 6.3 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
#127#127	Qwen3.5-35B-A3Bnone	6.1	Qwen	$0.106 ↓	12.72s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 43.9% Tes tidak stabil 4 Token input 134,521 Token output 86,614 Token penalaran 0 Waktu respons (rata-rata) 12.72s Waktu respons (total) 279.90s Waktu respons (maks) 209.15s Jawaban salah: 12 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.4 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 6.5 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#23#23	Claude Sonnet 5medium	8.3	Anthropic	$0.922	12.52s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 80.3% Tes tidak stabil 3 Token input 145,956 Token output 52,333 Token penalaran 10,874 Waktu respons (rata-rata) 12.52s Waktu respons (total) 275.42s Waktu respons (maks) 66.71s Jawaban salah: 4 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 9.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#14#14	Claude Opus 4.8medium	8.8	Anthropic	$1.931	12.49s
Lihat kartu model Total Tes 22 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 84.9% Tes tidak stabil 1 Token input 138,451 Token output 40,766 Token penalaran 9,075 Waktu respons (rata-rata) 12.49s Waktu respons (total) 274.72s Waktu respons (maks) 70.54s Jawaban salah: 3 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 9.9 Parsing dan ekstraksi data : 7.1 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
#182#182	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.067	12.17s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 37.9% Tes tidak stabil 8 Token input 69,367 Token output 93,913 Token penalaran 0 Waktu respons (rata-rata) 12.17s Waktu respons (total) 267.83s Waktu respons (maks) 121.05s Jawaban salah: 13 Format tambahan: 3 Kesalahan API: 1 Trik anti-AI : 5.3 Pemrograman : 3.3 Gabungan : 3.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 2.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#71#71	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
#146#146	Owl Alphamedium	5.6	Openrouter	$0.000	11.95s
Lihat kartu model Total Tes 21 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 37.9% Tes tidak stabil 1 Token input 43,478 Token output 2,974 Token penalaran 0 Waktu respons (rata-rata) 11.95s Waktu respons (total) 250.88s Waktu respons (maks) 58.63s Jawaban salah: 10 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Trik anti-AI : 4.8 Pemrograman : 5.4 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#5#5	GPT-5.6 Solhigh	9.4	OpenAI	$1.234	11.73s
Lihat kartu model Total Tes 22 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 89.4% Tes tidak stabil 3 Token input 79,249 Token output 4,855 Token penalaran 23,044 Waktu respons (rata-rata) 11.73s Waktu respons (total) 257.99s Waktu respons (maks) 54.79s Jawaban salah: 4 Trik anti-AI : 8.7 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 : 4.7
#82#82	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
#24#24	Muse Spark 1.1low	8.3	Meta	$0.647	11.45s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 4 Token input 142,298 Token output 10,847 Token penalaran 99,467 Waktu respons (rata-rata) 11.45s Waktu respons (total) 251.92s Waktu respons (maks) 54.15s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.9 Pemrograman : 10.0 Gabungan : 6.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 8.3 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0

←

1 2 3 4 5 6 7

→

Perbandingan Cepat

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGPT-5.6 Sollow Gemini 3 Flash PreviewmediumvsGPT-5.6 Solmedium Gemini 3 Flash PreviewmediumvsGPT-5.6 Solhigh Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsNemotron 3 UltramediumTersedia gratis Gemini 3 Flash PreviewmediumvsNorth Mini CodemediumTersedia gratis Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low

Leaderboard AI Benchy

Filter model

Perbandingan Cepat