AI BENCHY

Leaderboard Benchmark AI

Name: Hasil Benchmark Model AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-03 Model Dievaluasi: 161

161/161

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#150#150	MiMo-V2-Flashnone	4.7	Xiaomi	$0.025 ↑	2.70s
Lihat kartu model Total Tes 20 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 26.7% Tes tidak stabil 4 Token input 34,208 Token output 68,873 Token penalaran 0 Waktu respons (rata-rata) 2.70s Waktu respons (total) 43.15s Waktu respons (maks) 19.68s Jawaban salah: 12 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Format tambahan: 1 Trik anti-AI : 3.2 Pemrograman : 4.9 Gabungan : 3.0 Parsing dan ekstraksi data : 2.9 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
#151#151	Qwen3.6 35B A3Bnone	4.7	Qwen	$0.031 ↑	3.84s
Lihat kartu model Total Tes 20 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 31.7% Tes tidak stabil 5 Token input 16,488 Token output 27,747 Token penalaran 0 Waktu respons (rata-rata) 3.84s Waktu respons (total) 69.12s Waktu respons (maks) 22.52s Jawaban salah: 12 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Trik anti-AI : 3.6 Pemrograman : 6.8 Gabungan : 3.0 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
#153#153	Mercury 2none	4.6	Inception	$0.009	614ms
Lihat kartu model Total Tes 20 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 25.0% Tes tidak stabil 2 Token input 25,515 Token output 3,001 Token penalaran 0 Waktu respons (rata-rata) 614ms Waktu respons (total) 12.28s Waktu respons (maks) 1.27s Jawaban salah: 15 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.0 Pemrograman : 3.5 Gabungan : 3.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#154#154	Hy3 previewnone	4.5	Tencent	$0.003	12.92s
Lihat kartu model Total Tes 20 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 25.0% 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 Tidak mengikuti instruksi: 4 Kesalahan API: 3 Format tambahan: 1 Trik anti-AI : 4.8 Pemrograman : 2.7 Gabungan : 3.0 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
#155#155	GLM 4.7 Flashmedium	4.5	Z.ai	$0.054	35.10s
Lihat kartu model Total Tes 20 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 35.0% Tes tidak stabil 8 Token input 37,206 Token output 43,754 Token penalaran 89,079 Waktu respons (rata-rata) 35.10s Waktu respons (total) 456.24s Waktu respons (maks) 174.55s Jawaban salah: 9 Tidak ada jawaban: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Trik anti-AI : 4.7 Pemrograman : 3.4 Gabungan : 2.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.5 Kecerdasan umum : 3.6 Kepatuhan instruksi : 6.2 Pemecahan teka-teki : 2.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#156#156	Grok 4.1 Fastnone	4.4	X AI	$0.008 ↓	1.62s
Lihat kartu model Total Tes 19 Tes Salah 16 Keandalan 10.0 Tingkat lulus per percobaan 22.8% Tes tidak stabil 3 Token input 36,608 Token output 1,723 Token penalaran 0 Waktu respons (rata-rata) 1.62s Waktu respons (total) 19.48s Waktu respons (maks) 5.51s Jawaban salah: 13 Tidak mengikuti instruksi: 3 Trik anti-AI : 3.2 Pemrograman : 5.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 3.0 Pemecahan teka-teki : 3.0 Pemanggilan alat : 2.8 Pengetahuan umum : 3.0
#157#157	Ling-2.6-1Tnone	4.3	Inclusionai	$0.005	7.72s
Lihat kartu model Total Tes 20 Tes Salah 17 Keandalan T/A Tingkat lulus per percobaan 15.0% Tes tidak stabil 0 Token input 34,905 Token output 2,434 Token penalaran 0 Waktu respons (rata-rata) 7.72s Waktu respons (total) 139.00s Waktu respons (maks) 25.72s Jawaban salah: 12 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.4 Pemrograman : 4.2 Gabungan : 3.0 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
#158#158	Qwen3.5-9Bmedium	4.2	Qwen	$0.033 ↓	83.32s
Lihat kartu model Total Tes 20 Tes Salah 17 Keandalan 5.0 Tingkat lulus per percobaan 28.3% Tes tidak stabil 5 Token input 15,204 Token output 27,305 Token penalaran 199,780 Waktu respons (rata-rata) 83.32s Waktu respons (total) 1249.74s Waktu respons (maks) 226.38s Kedaluwarsa: 11 Jawaban salah: 2 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 5.1 Pemrograman : 2.8 Gabungan : 3.0 Parsing dan ekstraksi data : 3.6 Spesifik domain : 3.6 Kecerdasan umum : 2.8 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#159#159	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	782ms
Lihat kartu model Total Tes 16 Tes Salah 14 Keandalan T/A Tingkat lulus per percobaan 16.7% Tes tidak stabil 1 Token input 10,771 Token output 1,173 Token penalaran 0 Waktu respons (rata-rata) 782ms Waktu respons (total) 10.94s Waktu respons (maks) 3.15s Jawaban salah: 9 Kesalahan API: 4 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.3 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 5.9 Kecerdasan umum : 4.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.8 Pemanggilan alat : 3.0
#160#160	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.1	NVIDIA	$0.000	728ms
Lihat kartu model Total Tes 19 Tes Salah 17 Keandalan 10.0 Tingkat lulus per percobaan 17.5% Tes tidak stabil 2 Token input 11,661 Token output 1,302 Token penalaran 0 Waktu respons (rata-rata) 728ms Waktu respons (total) 9.47s Waktu respons (maks) 2.21s Jawaban salah: 9 Kesalahan API: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 10.0 Gabungan : 3.0 Parsing dan ekstraksi data : 3.8 Spesifik domain : 3.6 Kecerdasan umum : 3.0 Kepatuhan instruksi : 4.8 Pemecahan teka-teki : 3.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#161#161	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	719ms
Lihat kartu model Total Tes 20 Tes Salah 18 Keandalan 10.0 Tingkat lulus per percobaan 10.0% Tes tidak stabil 0 Token input 43,135 Token output 2,743 Token penalaran 0 Waktu respons (rata-rata) 719ms Waktu respons (total) 14.37s Waktu respons (maks) 2.17s Jawaban salah: 13 Tidak mengikuti instruksi: 4 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.9 Pemrograman : 5.2 Gabungan : 3.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 3.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 3.6 Pemecahan teka-teki : 3.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0

Perbandingan Cepat

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Leaderboard Benchmark AI

Filter model

Perbandingan Cepat