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: 2026-10-17 Model Dievaluasi: 442

Model rekomendasi

GPT-6.1 Sol xhigh Cerdas Tingkat lulus per percobaan 97.1% Tes benar 22 / 23 Skor 9.9/10 Gemini 3.7 Flash low Cepat Waktu respons (rata-rata) 6.24s Total token output 38,453 Skor 9.4/10 GPT-6 Luna high Terjangkau Harga input $0.100 / 1M Harga output $0.500 / 1M Harga baca cache $0.010 / 1M Harga tulis cache $0.125 / 1M Skor 7.7/10

442/442

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#100#100	GLM 5.2medium	8.2	Z.ai	$1.007 ↑	26.88s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 9.6 Tingkat lulus per percobaan 81.2% Tes tidak stabil 4 Token input 227,164 Token output 20,029 Token penalaran 60,991 Waktu respons (rata-rata) 26.88s Waktu respons (total) 591.34s Waktu respons (maks) 102.40s Jawaban salah: 3 Tidak ada jawaban: 2 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#44#44	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.6 Tingkat lulus per percobaan 81.2% Tes tidak stabil 5 Token input 271,242 Token output 11,803 Token penalaran 397,838 Waktu respons (rata-rata) 92.38s Waktu respons (total) 2124.67s Waktu respons (maks) 482.30s Kesalahan API: 2 Jawaban salah: 2 Format tambahan: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#53#53	Muse Spark Openlow	8.9	Meta	$0.600	21.62s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.9 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 278,684 Token output 10,151 Token penalaran 48,907 Waktu respons (rata-rata) 21.62s Waktu respons (total) 497.25s Waktu respons (maks) 119.16s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 9.2 Pemrograman : 10.0 Gabungan : 8.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 8.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#56#56	Muse Spark 1.1medium	8.9	Meta	$1.665	27.02s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 73.9% Tes tidak stabil 2 Token input 305,707 Token output 10,240 Token penalaran 291,479 Waktu respons (rata-rata) 27.02s Waktu respons (total) 621.38s Waktu respons (maks) 165.38s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 8.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 7.9 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0
#60#60	GPT-5.4medium	8.8	OpenAI	$2.213 ↑	24.81s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 4 Token input 223,210 Token output 7,312 Token penalaran 89,190 Waktu respons (rata-rata) 24.81s Waktu respons (total) 570.60s Waktu respons (maks) 100.41s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 8.8 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#62#62	DeepSeek V4.1 Flashhigh	8.7	DeepSeek	$0.617 ↑	33.27s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.7 Tingkat lulus per percobaan 75.4% Tes tidak stabil 3 Token input 282,490 Token output 8,621 Token penalaran 455,535 Waktu respons (rata-rata) 33.27s Waktu respons (total) 765.12s Waktu respons (maks) 205.53s Jawaban salah: 5 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#63#63	DeepSeek V4.1 Flashmedium	8.7	DeepSeek	$0.591 ↑	32.88s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.6 Tingkat lulus per percobaan 73.9% Tes tidak stabil 2 Token input 280,643 Token output 7,342 Token penalaran 437,323 Waktu respons (rata-rata) 32.88s Waktu respons (total) 756.34s Waktu respons (maks) 276.31s Jawaban salah: 5 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 3 Token input 254,914 Token output 10,303 Token penalaran 121,928 Waktu respons (rata-rata) 11.81s Waktu respons (total) 271.60s Waktu respons (maks) 56.77s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Tugas agen : 10.0 Trik anti-AI : 9.2 Pemrograman : 8.4 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#68#68	Seed 2.1 Turbomedium	8.7	Bytedance Seed	$2.042	189.13s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 79.7% Tes tidak stabil 5 Token input 234,572 Token output 8,019 Token penalaran 761,563 Waktu respons (rata-rata) 189.13s Waktu respons (total) 4349.92s Waktu respons (maks) 885.33s Jawaban salah: 5 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 8.2 Pemrograman : 8.2 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 9.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#72#72	Claude Sonnet 5.5xhigh	8.6	Anthropic	$1.516	14.98s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 79.7% Tes tidak stabil 4 Token input 342,579 Token output 12,848 Token penalaran 70,193 Waktu respons (rata-rata) 14.98s Waktu respons (total) 344.60s Waktu respons (maks) 54.92s Jawaban salah: 3 Format tambahan: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#73#73	Claude Sonnet 5.5high	8.6	Anthropic	$1.175	10.79s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 81.2% Tes tidak stabil 5 Token input 345,687 Token output 13,550 Token penalaran 34,743 Waktu respons (rata-rata) 10.79s Waktu respons (total) 248.22s Waktu respons (maks) 51.53s Jawaban salah: 5 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 8.2 Parsing dan ekstraksi data : 7.3 Spesifik domain : 3.5 Kecerdasan umum : 6.5 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#74#74	Claude Haiku 5.5low	8.6	Anthropic	$0.061	7.51s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 296,301 Token output 10,672 Token penalaran 50,978 Waktu respons (rata-rata) 7.51s Waktu respons (total) 172.74s Waktu respons (maks) 44.43s Jawaban salah: 3 Tidak mengikuti instruksi: 2 Format tambahan: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 7.9 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.6 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#77#77	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 82.6% Tes tidak stabil 5 Token input 270,231 Token output 13,363 Token penalaran 121,332 Waktu respons (rata-rata) 17.73s Waktu respons (total) 407.75s Waktu respons (maks) 78.72s Jawaban salah: 4 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#78#78	Claude Sonnet 5medium	8.5	Anthropic	$1.438	15.01s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 353,658 Token output 54,891 Token penalaran 18,370 Waktu respons (rata-rata) 15.01s Waktu respons (total) 345.16s Waktu respons (maks) 69.26s Jawaban salah: 5 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 9.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#82#82	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.6 Tingkat lulus per percobaan 73.9% Tes tidak stabil 2 Token input 313,881 Token output 123,706 Token penalaran 388,328 Waktu respons (rata-rata) 120.40s Waktu respons (total) 2769.16s Waktu respons (maks) 534.21s Jawaban salah: 5 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 7.8 Gabungan : 8.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.2 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#86#86	Inklinghigh	8.4	Thinkingmachines	$1.238 ↓	62.72s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 3 Token input 240,395 Token output 7,169 Token penalaran 242,073 Waktu respons (rata-rata) 62.72s Waktu respons (total) 1442.48s Waktu respons (maks) 327.51s Jawaban salah: 4 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 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
#97#97	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 350,546 Token output 8,576 Token penalaran 206,984 Waktu respons (rata-rata) 59.73s Waktu respons (total) 1373.73s Waktu respons (maks) 315.30s Jawaban salah: 6 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 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
#118#118	Qwen3.7 Maxnone	7.9	Qwen	$0.451 ↓	7.85s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.9 Tingkat lulus per percobaan 69.6% Tes tidak stabil 0 Token input 243,553 Token output 20,670 Token penalaran 0 Waktu respons (rata-rata) 7.85s Waktu respons (total) 180.65s Waktu respons (maks) 80.34s Jawaban salah: 7 Tugas agen : 10.0 Trik anti-AI : 6.5 Pemrograman : 5.5 Gabungan : 6.5 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
#122#122	Muse Wondermax	7.9	Meta	$4.766	44.39s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.0 Tingkat lulus per percobaan 75.4% Tes tidak stabil 3 Token input 93,126 Token output 10,497 Token penalaran 209,138 Waktu respons (rata-rata) 44.39s Waktu respons (total) 1021.02s Waktu respons (maks) 287.79s Kesalahan API: 4 Jawaban salah: 2 Tidak mengikuti instruksi: 1 Tugas agen : 3.0 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 : 7.5 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 2.8
#127#127	Grok 4.6medium	7.8	X AI	$2.270	74.77s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 4 Token input 336,351 Token output 6,180 Token penalaran 260,017 Waktu respons (rata-rata) 74.77s Waktu respons (total) 1719.73s Waktu respons (maks) 514.35s Jawaban salah: 6 Tidak mengikuti instruksi: 1 Tugas agen : 5.0 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#129#129	Grok 4.5low	7.8	X AI	$1.345	18.14s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 73.9% Tes tidak stabil 2 Token input 308,068 Token output 9,218 Token penalaran 112,197 Waktu respons (rata-rata) 18.14s Waktu respons (total) 417.21s Waktu respons (maks) 205.28s Jawaban salah: 7 Tugas agen : 5.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#157#157	Gemma 4 26B A4Bmedium	7.3	Google	$0.101 ↓	105.03s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 71.0% Tes tidak stabil 1 Token input 224,367 Token output 27,095 Token penalaran 242,256 Waktu respons (rata-rata) 105.03s Waktu respons (total) 2310.63s Waktu respons (maks) 912.19s Tidak ada jawaban: 2 Kedaluwarsa: 2 Jawaban salah: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 2.9 Gabungan : 6.3 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
#168#168	Gemini 3.8 Flashlow	7.2	Google	$0.323	7.54s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.9 Tingkat lulus per percobaan 81.2% Tes tidak stabil 5 Token input 215,836 Token output 9,452 Token penalaran 33,289 Waktu respons (rata-rata) 7.54s Waktu respons (total) 173.36s Waktu respons (maks) 67.18s Jawaban salah: 6 Tidak ada jawaban: 1 Tugas agen : 6.1 Trik anti-AI : 10.0 Pemrograman : 5.4 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.8 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#169#169	Claude Opus 4.8low	7.2	Anthropic	$3.787	17.13s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 4 Token input 409,947 Token output 46,060 Token penalaran 23,429 Waktu respons (rata-rata) 17.13s Waktu respons (total) 394.01s Waktu respons (maks) 127.97s Jawaban salah: 5 Format tambahan: 1 Tidak ada jawaban: 1 Tugas agen : 4.7 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
#188#188	Gemini 3 Flash Previewlow	6.9	Google	$0.254	8.51s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 72.5% Tes tidak stabil 2 Token input 251,677 Token output 11,196 Token penalaran 31,204 Waktu respons (rata-rata) 8.51s Waktu respons (total) 195.76s Waktu respons (maks) 52.64s Jawaban salah: 7 Tugas agen : 5.0 Trik anti-AI : 10.0 Pemrograman : 5.8 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0

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 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow