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)
#130#130	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
#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
#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
#108#108	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
#80#80	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
#167#167	Mistral Small 4medium	5.1	Mistral	$0.096	10.77s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 8 Token input 140,494 Token output 39,462 Token penalaran 92,362 Waktu respons (rata-rata) 10.77s Waktu respons (total) 236.94s Waktu respons (maks) 59.15s Jawaban salah: 12 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 5.6 Pemrograman : 4.4 Gabungan : 3.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 3.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#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
#129#129	Nemotron 3 Ultranone	6.1	NVIDIA	$0.095 ↕	3.87s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 2 Token input 101,275 Token output 9,474 Token penalaran 0 Waktu respons (rata-rata) 3.87s Waktu respons (total) 85.15s Waktu respons (maks) 37.50s Jawaban salah: 12 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.5 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#136#136	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.53s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 33.3% Tes tidak stabil 3 Token input 79,067 Token output 7,880 Token penalaran 0 Waktu respons (rata-rata) 1.53s Waktu respons (total) 33.74s Waktu respons (maks) 9.92s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Trik anti-AI : 3.1 Pemrograman : 5.5 Gabungan : 6.5 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 Pengetahuan umum : 3.0
#78#78	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
#103#103	Qwen3.5-27Bnone	6.5	Qwen	$0.090 ↑	4.76s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 40.9% Tes tidak stabil 2 Token input 102,316 Token output 24,321 Token penalaran 0 Waktu respons (rata-rata) 4.76s Waktu respons (total) 104.71s Waktu respons (maks) 69.46s Jawaban salah: 12 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 5.8 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#95#95	Gemma 4 26B A4Bmedium	6.6	Google	$0.089 ↓	103.83s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 9.4 Tingkat lulus per percobaan 66.7% Tes tidak stabil 2 Token input 77,550 Token output 28,036 Token penalaran 219,491 Waktu respons (rata-rata) 103.83s Waktu respons (total) 2180.47s Waktu respons (maks) 912.19s Jawaban salah: 3 Tidak ada jawaban: 2 Kedaluwarsa: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 2.9 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#152#152	Qwen3.6 27Bnone	5.5	Qwen	$0.087 ↑	10.65s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 6 Token input 95,796 Token output 16,155 Token penalaran 0 Waktu respons (rata-rata) 10.65s Waktu respons (total) 234.39s Waktu respons (maks) 156.31s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Trik anti-AI : 3.8 Pemrograman : 5.5 Gabungan : 3.2 Parsing dan ekstraksi data : 7.3 Spesifik domain : 7.7 Kecerdasan umum : 5.2 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 5.3 Pemanggilan alat : 9.5 Pengetahuan umum : 3.0
#191#191	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Lihat kartu model Total Tes 18 Tes Salah 12 Keandalan T/A Tingkat lulus per percobaan 30.3% Tes tidak stabil 1 Token input 40,597 Token output 1,657 Token penalaran 0 Waktu respons (rata-rata) 1.19s Waktu respons (total) 21.43s Waktu respons (maks) 6.48s Jawaban salah: 10 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.0 Pemrograman : 1.8 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 0.0
#89#89	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.95s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 3 Token input 104,210 Token output 10,710 Token penalaran 0 Waktu respons (rata-rata) 2.95s Waktu respons (total) 44.26s Waktu respons (maks) 21.19s Jawaban salah: 8 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#101#101	MiMo-V2.5medium	6.5	Xiaomi	$0.082 ↓	32.20s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 6 Token input 105,447 Token output 7,120 Token penalaran 230,682 Waktu respons (rata-rata) 32.20s Waktu respons (total) 708.46s Waktu respons (maks) 162.44s Jawaban salah: 5 Format tambahan: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 8.7 Parsing dan ekstraksi data : 2.7 Spesifik domain : 5.3 Kecerdasan umum : 5.4 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#76#76	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
#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
#125#125	Qwen3.5-Flashnone	6.1	Qwen	$0.073 ↓	25.28s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 39.4% Tes tidak stabil 2 Token input 282,347 Token output 209,201 Token penalaran 0 Waktu respons (rata-rata) 25.28s Waktu respons (total) 556.24s Waktu respons (maks) 480.96s Jawaban salah: 13 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.5 Pemrograman : 5.5 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#107#107	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
#185#185	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
#154#154	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.068 ↓	4.12s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 37.9% Tes tidak stabil 4 Token input 124,799 Token output 15,362 Token penalaran 0 Waktu respons (rata-rata) 4.12s Waktu respons (total) 90.55s Waktu respons (maks) 53.13s Jawaban salah: 11 Tidak mengikuti instruksi: 4 Tidak ada jawaban: 1 Trik anti-AI : 3.3 Pemrograman : 4.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#102#102	Laguna XS 2.1medium	6.5	Poolside	$0.068	47.93s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 1 Token input 118,989 Token output 30,750 Token penalaran 491,833 Waktu respons (rata-rata) 47.93s Waktu respons (total) 1054.49s Waktu respons (maks) 422.72s Jawaban salah: 11 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 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
#116#116	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.40s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 43.9% Tes tidak stabil 4 Token input 142,197 Token output 14,746 Token penalaran 0 Waktu respons (rata-rata) 4.40s Waktu respons (total) 96.84s Waktu respons (maks) 44.58s Jawaban salah: 13 Tidak ada jawaban: 1 Trik anti-AI : 3.0 Pemrograman : 5.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#124#124	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.74s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 1 Token input 139,788 Token output 30,947 Token penalaran 0 Waktu respons (rata-rata) 3.74s Waktu respons (total) 82.38s Waktu respons (maks) 48.79s Jawaban salah: 12 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.1 Pemrograman : 5.4 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#161#161	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.52s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 31.8% Tes tidak stabil 6 Token input 93,979 Token output 46,957 Token penalaran 0 Waktu respons (rata-rata) 5.52s Waktu respons (total) 110.40s Waktu respons (maks) 39.54s Jawaban salah: 13 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 3.6 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 3.2 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#197#197	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Lihat kartu model Total Tes 18 Tes Salah 12 Keandalan T/A Tingkat lulus per percobaan 27.3% Tes tidak stabil 0 Token input 41,313 Token output 1,923 Token penalaran 0 Waktu respons (rata-rata) 1.11s Waktu respons (total) 19.96s Waktu respons (maks) 6.04s Jawaban salah: 10 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 1.1 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 0.0
#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
#106#106	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

←

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