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: 2026-07-24 Model Dievaluasi: 222

222/222

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#146#146	GPT-5.4none	5.8	OpenAI	$0.397	2.07s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 2 Token input 108,632 Token output 8,321 Token penalaran 0 Waktu respons (rata-rata) 2.07s Waktu respons (total) 45.51s Waktu respons (maks) 15.63s Jawaban salah: 14 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.2 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#148#148	GLM 5none	5.7	Z.ai	$0.041 ↑	4.03s
Lihat kartu model Total Tes 21 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 1 Token input 37,135 Token output 1,989 Token penalaran 0 Waktu respons (rata-rata) 4.03s Waktu respons (total) 56.37s Waktu respons (maks) 11.07s Jawaban salah: 12 Trik anti-AI : 4.8 Pemrograman : 4.0 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#150#150	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
#151#151	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Lihat kartu model Total Tes 18 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 56.1% Tes tidak stabil 4 Token input 29,134 Token output 1,984 Token penalaran 1,355,583 Waktu respons (rata-rata) 61.96s Waktu respons (total) 1115.31s Waktu respons (maks) 149.23s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 3.3 Gabungan : 5.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.0 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 5.7 Pemanggilan alat : 10.0 Pengetahuan umum : 0.0
#153#153	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Lihat kartu model Total Tes 21 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 36.4% Tes tidak stabil 0 Token input 37,100 Token output 1,766 Token penalaran 0 Waktu respons (rata-rata) 2.99s Waktu respons (total) 62.74s Waktu respons (maks) 6.51s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.6 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#154#154	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
#155#155	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Lihat kartu model Total Tes 21 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 39.4% Tes tidak stabil 3 Token input 39,344 Token output 2,352 Token penalaran 0 Waktu respons (rata-rata) 2.27s Waktu respons (total) 45.50s Waktu respons (maks) 6.58s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Trik anti-AI : 3.5 Pemrograman : 5.5 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#156#156	Owl Alphanone	5.6	Openrouter	$0.000	9.88s
Lihat kartu model Total Tes 21 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 1 Token input 42,283 Token output 5,913 Token penalaran 0 Waktu respons (rata-rata) 9.88s Waktu respons (total) 207.38s Waktu respons (maks) 47.10s Jawaban salah: 10 Tidak mengikuti instruksi: 3 Format tambahan: 1 Trik anti-AI : 3.4 Pemrograman : 5.6 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#158#158	DeepSeek V4 Flashnone	5.6	DeepSeek	$0.044 ↓	36.78s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 31.8% Tes tidak stabil 4 Token input 240,221 Token output 100,727 Token penalaran 0 Waktu respons (rata-rata) 36.78s Waktu respons (total) 809.09s Waktu respons (maks) 247.27s Jawaban salah: 12 Format tambahan: 2 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.0 Pemrograman : 4.2 Gabungan : 4.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.2 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#159#159	GLM 5.1none	5.5	Z.ai	$0.164 ↓	6.70s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 40.9% Tes tidak stabil 5 Token input 124,209 Token output 14,393 Token penalaran 0 Waktu respons (rata-rata) 6.70s Waktu respons (total) 147.38s Waktu respons (maks) 61.20s Jawaban salah: 13 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 4.0 Pemrograman : 3.9 Gabungan : 2.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#160#160	Qwen3.6 27Bnone	5.5	Qwen	$0.116 ↑	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
#161#161	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
#162#162	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
#163#163	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
#164#164	Gemma 4 26B A4Bnone	5.5	Google	$0.022 ↑	7.64s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 10.0 Tingkat lulus per percobaan 42.4% Tes tidak stabil 2 Token input 131,282 Token output 15,781 Token penalaran 0 Waktu respons (rata-rata) 7.64s Waktu respons (total) 167.98s Waktu respons (maks) 57.10s Jawaban salah: 10 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Trik anti-AI : 8.3 Pemrograman : 3.7 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 6.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#165#165	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Lihat kartu model Total Tes 21 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 37.9% Tes tidak stabil 1 Token input 40,852 Token output 3,314 Token penalaran 0 Waktu respons (rata-rata) 2.44s Waktu respons (total) 48.81s Waktu respons (maks) 6.81s Jawaban salah: 10 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.6 Pemrograman : 4.4 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.1 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#168#168	GPT-5.6 Lunanone	5.4	OpenAI	$0.142	1.50s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 3 Token input 101,323 Token output 6,709 Token penalaran 0 Waktu respons (rata-rata) 1.50s Waktu respons (total) 32.91s Waktu respons (maks) 10.57s Jawaban salah: 14 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 3.8 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 7.1 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#170#170	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 30.3% Tes tidak stabil 3 Token input 91,598 Token output 13,377 Token penalaran 0 Waktu respons (rata-rata) 1.55s Waktu respons (total) 34.19s Waktu respons (maks) 19.02s Jawaban salah: 14 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Trik anti-AI : 5.3 Pemrograman : 4.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 3.8 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#171#171	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
#172#172	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.58s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 18.2% Tes tidak stabil 0 Token input 106,414 Token output 11,555 Token penalaran 0 Waktu respons (rata-rata) 8.58s Waktu respons (total) 163.06s Waktu respons (maks) 25.72s Jawaban salah: 12 Kesalahan API: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.4 Pemrograman : 3.8 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 3.1 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#175#175	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 25.8% Tes tidak stabil 1 Token input 104,708 Token output 9,812 Token penalaran 0 Waktu respons (rata-rata) 1.20s Waktu respons (total) 26.38s Waktu respons (maks) 13.16s Jawaban salah: 16 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.4 Pemrograman : 3.7 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#176#176	Qwen3 Coder Nextnone	5.1	Qwen	$0.025 ↓	9.12s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 25.8% Tes tidak stabil 1 Token input 134,218 Token output 11,808 Token penalaran 0 Waktu respons (rata-rata) 9.12s Waktu respons (total) 145.94s Waktu respons (maks) 45.14s Jawaban salah: 14 Format tambahan: 1 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 3.6 Pemrograman : 4.6 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#177#177	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
#178#178	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.62s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 25.8% Tes tidak stabil 1 Token input 141,043 Token output 16,464 Token penalaran 0 Waktu respons (rata-rata) 4.62s Waktu respons (total) 101.57s Waktu respons (maks) 55.36s Jawaban salah: 14 Format tambahan: 1 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 3.5 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.0 Kecerdasan umum : 4.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#179#179	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
#180#180	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Lihat kartu model Total Tes 21 Tes Salah 15 Keandalan 10.0 Tingkat lulus per percobaan 30.3% Tes tidak stabil 2 Token input 32,525 Token output 1,815 Token penalaran 0 Waktu respons (rata-rata) 2.82s Waktu respons (total) 59.29s Waktu respons (maks) 8.21s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.0 Pemrograman : 3.9 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.2 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#182#182	MiniMax M2.7medium	5.0	Minimax	$0.163 ↓	41.28s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 9 Token input 114,518 Token output 18,558 Token penalaran 119,036 Waktu respons (rata-rata) 41.28s Waktu respons (total) 866.81s 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
#184#184	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
#185#185	GPT-4o-mininone	5.0	OpenAI	$0.010	1.99s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 22.7% Tes tidak stabil 0 Token input 53,136 Token output 2,911 Token penalaran 0 Waktu respons (rata-rata) 1.99s Waktu respons (total) 29.86s Waktu respons (maks) 7.58s Jawaban salah: 15 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 4.8 Pemrograman : 3.2 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#187#187	GLM 4.7 Flashnone	4.9	Z.ai	$0.016	9.15s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 34.9% Tes tidak stabil 3 Token input 101,504 Token output 22,992 Token penalaran 0 Waktu respons (rata-rata) 9.15s Waktu respons (total) 137.18s Waktu respons (maks) 97.15s Jawaban salah: 13 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 5.2 Pemrograman : 4.3 Gabungan : 3.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 7.7 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 6.4 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0

←

1 4 5 6 8

→

Perbandingan Cepat

Gemini 3.6 FlashmediumvsGemini 3.6 Flashhigh Gemini 3.6 FlashhighvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3.6 Flashlow Gemini 3.6 FlashlowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium Gemini 3.5 FlashmediumvsGPT-5.5medium

Leaderboard AI Benchy

Filter model

Perbandingan Cepat