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: 2026-07-18 Model Dievaluasi: 206

206/206

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#102#102	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
#103#103	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.58s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 1 Token input 120,942 Token output 14,292 Token penalaran 0 Waktu respons (rata-rata) 1.58s Waktu respons (total) 34.72s Waktu respons (maks) 9.27s Jawaban salah: 7 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 7.5 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
#110#110	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 6 Token input 118,499 Token output 12,284 Token penalaran 490,610 Waktu respons (rata-rata) 84.82s Waktu respons (total) 1781.22s Waktu respons (maks) 515.38s Jawaban salah: 4 Kedaluwarsa: 3 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 3.7 Gabungan : 6.4 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#91#91	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 6 Token input 44,615 Token output 2,347 Token penalaran 98,415 Waktu respons (rata-rata) 23.08s Waktu respons (total) 484.63s Waktu respons (maks) 95.88s Jawaban salah: 7 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 7.2 Pemrograman : 6.0 Gabungan : 3.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 7.0 Pengetahuan umum : 3.0
#126#126	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 9.2 Tingkat lulus per percobaan 51.5% Tes tidak stabil 1 Token input 65,707 Token output 108,561 Token penalaran 293,993 Waktu respons (rata-rata) 174.22s Waktu respons (total) 2613.32s Waktu respons (maks) 1597.85s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Kesalahan API: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 2.4 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 8.3 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#131#131	Hy3 previewhigh	5.9	Tencent	$0.048 ↕	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
#61#61	KAT-Coder-Pro V2.5low	7.4	Kwaipilot	$0.387	19.47s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 8 Token input 87,673 Token output 7,166 Token penalaran 101,474 Waktu respons (rata-rata) 19.47s Waktu respons (total) 428.31s Waktu respons (maks) 209.15s Jawaban salah: 10 Kesalahan API: 1 Trik anti-AI : 6.9 Pemrograman : 7.8 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 4.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#68#68	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.482	20.83s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 6 Token input 106,076 Token output 9,071 Token penalaran 127,093 Waktu respons (rata-rata) 20.83s Waktu respons (total) 458.31s Waktu respons (maks) 199.97s Jawaban salah: 10 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.0 Pemrograman : 6.4 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#70#70	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
#75#75	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.62s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 7 Token input 101,047 Token output 11,834 Token penalaran 117,014 Waktu respons (rata-rata) 68.62s Waktu respons (total) 1509.53s 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
#79#79	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 8.5 Tingkat lulus per percobaan 57.6% Tes tidak stabil 3 Token input 125,467 Token output 10,778 Token penalaran 209,856 Waktu respons (rata-rata) 92.53s Waktu respons (total) 1665.50s Waktu respons (maks) 301.78s Kedaluwarsa: 5 Jawaban salah: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 6.6 Pemrograman : 5.5 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#80#80	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.467	24.04s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 7 Token input 87,907 Token output 7,213 Token penalaran 128,251 Waktu respons (rata-rata) 24.04s Waktu respons (total) 528.92s Waktu respons (maks) 257.00s Jawaban salah: 9 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.2 Pemrograman : 7.8 Gabungan : 6.4 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 4.7 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#82#82	GPT-5.6 Solnone	6.9	OpenAI	$0.524	2.16s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 3 Token input 78,593 Token output 4,357 Token penalaran 0 Waktu respons (rata-rata) 2.16s Waktu respons (total) 47.62s Waktu respons (maks) 12.81s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 6.5 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#85#85	Step 3.7 Flashhigh	6.9	Stepfun	$1.207	64.68s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 5 Token input 98,691 Token output 1,032,395 Token penalaran 0 Waktu respons (rata-rata) 64.68s Waktu respons (total) 1423.01s Waktu respons (maks) 364.99s Jawaban salah: 6 Tidak ada jawaban: 4 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 4.0 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#86#86	GPT-5.5none	6.9	OpenAI	$0.544	2.36s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 56.1% Tes tidak stabil 3 Token input 79,285 Token output 4,915 Token penalaran 0 Waktu respons (rata-rata) 2.36s Waktu respons (total) 51.88s Waktu respons (maks) 12.24s Jawaban salah: 11 Trik anti-AI : 6.9 Pemrograman : 5.5 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#90#90	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.476	25.56s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 68.2% Tes tidak stabil 7 Token input 98,499 Token output 135,861 Token penalaran 0 Waktu respons (rata-rata) 25.56s Waktu respons (total) 562.43s Waktu respons (maks) 335.41s Jawaban salah: 10 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.7 Pemrograman : 6.1 Gabungan : 4.1 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#105#105	Ring-2.6-1Tmedium	6.3	Inclusionai	$0.103 ↑	68.74s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 4 Token input 113,604 Token output 123,079 Token penalaran 42,754 Waktu respons (rata-rata) 68.74s Waktu respons (total) 1374.86s 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 : 3.5 Kecerdasan umum : 4.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#115#115	Qwen3.5-35B-A3Bmedium	6.2	Qwen	$0.837 ↓	112.47s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 6 Token input 130,388 Token output 40,630 Token penalaran 786,040 Waktu respons (rata-rata) 112.47s Waktu respons (total) 2474.28s Waktu respons (maks) 950.25s Kedaluwarsa: 5 Tidak ada jawaban: 2 Jawaban salah: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 3.8 Parsing dan ekstraksi data : 7.3 Spesifik domain : 4.1 Kecerdasan umum : 2.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#205#205	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Lihat kartu model Total Tes 12 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 27.3% Tes tidak stabil 0 Token input 1,971 Token output 64,795 Token penalaran 0 Waktu respons (rata-rata) 39.03s Waktu respons (total) 312.26s Waktu respons (maks) 114.12s Kesalahan API: 4 Tidak mengikuti instruksi: 1 Jawaban salah: 1 Trik anti-AI : 10.0 Pemrograman : 9.8 Gabungan : 1.5 Parsing dan ekstraksi data : 1.5 Spesifik domain : 3.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 5.0 Pemecahan teka-teki : 0.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#130#130	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
#149#149	Hy3 previewlow	5.5	Tencent	$0.015 ↕	24.56s
Lihat kartu model Total Tes 21 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 50.0% Tes tidak stabil 2 Token input 21,045 Token output 63,460 Token penalaran 0 Waktu respons (rata-rata) 24.56s Waktu respons (total) 368.35s Waktu respons (maks) 78.74s Kesalahan API: 7 Jawaban salah: 4 Trik anti-AI : 8.3 Pemrograman : 5.3 Gabungan : 5.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.9 Kecerdasan umum : 3.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#171#171	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
#181#181	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Lihat kartu model Total Tes 19 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 6 Token input 42,845 Token output 2,006 Token penalaran 96,334 Waktu respons (rata-rata) 23.85s Waktu respons (total) 286.16s Waktu respons (maks) 121.79s Tidak mengikuti instruksi: 4 Jawaban salah: 4 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 8.7 Pemrograman : 7.8 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.8 Kecerdasan umum : 4.2 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#182#182	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
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 6 Token input 90,748 Token output 10,462 Token penalaran 178,719 Waktu respons (rata-rata) 79.14s Waktu respons (total) 1740.97s Waktu respons (maks) 416.76s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Format tambahan: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 5.7 Pemrograman : 6.3 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 7.8 Pemecahan teka-teki : 6.9 Pemanggilan alat : 9.8 Pengetahuan umum : 3.0
#76#76	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 8 Token input 118,448 Token output 62,124 Token penalaran 165,243 Waktu respons (rata-rata) 99.00s Waktu respons (total) 1485.04s Waktu respons (maks) 281.00s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kedaluwarsa: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.3 Pemrograman : 6.1 Gabungan : 6.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#77#77	Mercury 2medium	7.0	Inception	$0.093	2.72s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 51.5% Tes tidak stabil 3 Token input 109,572 Token output 10,313 Token penalaran 76,806 Waktu respons (rata-rata) 2.72s Waktu respons (total) 57.12s Waktu respons (maks) 14.63s Jawaban salah: 8 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 6.9 Pemrograman : 8.2 Gabungan : 6.7 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#81#81	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
#96#96	Qwen3.6 27Bmedium	6.5	Qwen	$0.779 ↑	106.32s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 59.1% Tes tidak stabil 6 Token input 106,167 Token output 32,889 Token penalaran 241,303 Waktu respons (rata-rata) 106.32s Waktu respons (total) 2339.12s Waktu respons (maks) 1085.11s Jawaban salah: 6 Tidak ada jawaban: 3 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.3 Pemrograman : 7.7 Gabungan : 6.7 Parsing dan ekstraksi data : 3.5 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#104#104	Qwen3.5 Plus 2026-02-15none	6.4	Qwen	$0.073 ↓	9.85s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 48.5% Tes tidak stabil 2 Token input 102,646 Token output 29,370 Token penalaran 0 Waktu respons (rata-rata) 9.85s Waktu respons (total) 157.63s Waktu respons (maks) 123.00s Jawaban salah: 12 Trik anti-AI : 4.8 Pemrograman : 4.3 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 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