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)
#167#167	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.041	10.09s
Lihat kartu model Total Tes 22 Tes Salah 15 Keandalan 9.9 Tingkat lulus per percobaan 45.5% Tes tidak stabil 7 Token input 61,085 Token output 5,905 Token penalaran 46,990 Waktu respons (rata-rata) 10.09s Waktu respons (total) 222.03s Waktu respons (maks) 86.23s Jawaban salah: 7 Format tambahan: 4 Kesalahan API: 2 Tidak mengikuti instruksi: 2 Trik anti-AI : 7.3 Pemrograman : 3.5 Gabungan : 6.4 Parsing dan ekstraksi data : 6.5 Spesifik domain : 2.9 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#169#169	Laguna S 2.1high	5.4	Poolside	$0.127	111.61s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 9.9 Tingkat lulus per percobaan 27.3% Tes tidak stabil 5 Token input 208,931 Token output 175,588 Token penalaran 409,276 Waktu respons (rata-rata) 111.61s Waktu respons (total) 2455.39s Waktu respons (maks) 1190.11s Jawaban salah: 11 Pemanggilan alat tidak valid: 2 Tidak ada jawaban: 2 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.4 Pemrograman : 5.3 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.6 Kepatuhan instruksi : 4.6 Pemecahan teka-teki : 2.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#174#174	Inklingnone	5.2	Thinkingmachines	$0.147	3.50s
Lihat kartu model Total Tes 22 Tes Salah 16 Keandalan 9.9 Tingkat lulus per percobaan 28.8% Tes tidak stabil 1 Token input 104,111 Token output 10,551 Token penalaran 0 Waktu respons (rata-rata) 3.50s Waktu respons (total) 77.09s Waktu respons (maks) 48.02s Jawaban salah: 13 Format tambahan: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 4.8 Pemrograman : 4.5 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.6 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#183#183	Laguna S 2.1low	5.0	Poolside	$0.091	85.35s
Lihat kartu model Total Tes 22 Tes Salah 19 Keandalan 9.9 Tingkat lulus per percobaan 25.8% Tes tidak stabil 6 Token input 118,746 Token output 67,823 Token penalaran 383,885 Waktu respons (rata-rata) 85.35s Waktu respons (total) 1877.64s Waktu respons (maks) 814.73s Jawaban salah: 15 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.4 Pemrograman : 3.8 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 4.8 Kepatuhan instruksi : 4.3 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#32#32	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 9.8 Tingkat lulus per percobaan 77.3% Tes tidak stabil 3 Token input 86,746 Token output 6,055 Token penalaran 220,791 Waktu respons (rata-rata) 64.16s Waktu respons (total) 1411.59s Waktu respons (maks) 327.51s Jawaban salah: 4 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 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
#36#36	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 9.8 Tingkat lulus per percobaan 78.8% Tes tidak stabil 5 Token input 124,053 Token output 12,189 Token penalaran 53,597 Waktu respons (rata-rata) 16.21s Waktu respons (total) 356.54s Waktu respons (maks) 85.12s Jawaban salah: 4 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 8.4 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 2.8
#55#55	Nemotron 3 Ultramedium	7.5	NVIDIA	$0.504 ↕	32.21s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 9.8 Tingkat lulus per percobaan 68.2% Tes tidak stabil 4 Token input 233,488 Token output 57,916 Token penalaran 128,062 Waktu respons (rata-rata) 32.21s Waktu respons (total) 708.65s Waktu respons (maks) 392.56s Jawaban salah: 7 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 8.4 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 3.7 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#64#64	LongCat 2.0medium	7.4	Meituan	$0.478	136.64s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 9.8 Tingkat lulus per percobaan 60.6% Tes tidak stabil 3 Token input 97,315 Token output 44,384 Token penalaran 329,012 Waktu respons (rata-rata) 136.64s Waktu respons (total) 3006.01s Waktu respons (maks) 939.52s Jawaban salah: 7 Kesalahan API: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 7.3 Parsing dan ekstraksi data : 6.3 Spesifik domain : 2.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 5.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#166#166	Laguna S 2.1medium	5.4	Poolside	$0.059	58.43s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 9.8 Tingkat lulus per percobaan 25.8% Tes tidak stabil 4 Token input 86,641 Token output 97,298 Token penalaran 242,297 Waktu respons (rata-rata) 58.43s Waktu respons (total) 1285.48s Waktu respons (maks) 560.31s Jawaban salah: 13 Pemanggilan alat tidak valid: 2 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 3.4 Pemrograman : 5.3 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.6 Kepatuhan instruksi : 4.2 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#204#204	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Lihat kartu model Total Tes 19 Tes Salah 15 Keandalan 9.8 Tingkat lulus per percobaan 27.3% Tes tidak stabil 3 Token input 38,147 Token output 2,054 Token penalaran 0 Waktu respons (rata-rata) 2.89s Waktu respons (total) 43.28s Waktu respons (maks) 15.42s Jawaban salah: 10 Kesalahan API: 4 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.4 Pemrograman : 2.5 Gabungan : 1.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 3.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#51#51	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 9.7 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 121,990 Token output 77,916 Token penalaran 173,553 Waktu respons (rata-rata) 74.98s Waktu respons (total) 1574.56s Waktu respons (maks) 431.03s Kedaluwarsa: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 5.5 Pemrograman : 6.1 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.5 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#74#74	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 9.6 Tingkat lulus per percobaan 63.6% Tes tidak stabil 2 Token input 42,097 Token output 2,280 Token penalaran 166,613 Waktu respons (rata-rata) 46.36s Waktu respons (total) 973.57s Waktu respons (maks) 189.38s Jawaban salah: 8 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.9 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#96#96	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 9.6 Tingkat lulus per percobaan 53.0% Tes tidak stabil 3 Token input 90,909 Token output 5,679 Token penalaran 297,369 Waktu respons (rata-rata) 100.31s Waktu respons (total) 2206.82s Waktu respons (maks) 560.39s Jawaban salah: 8 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 6.6 Gabungan : 10.0 Parsing dan ekstraksi data : 6.3 Spesifik domain : 3.0 Kecerdasan umum : 3.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#116#116	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 9.6 Tingkat lulus per percobaan 69.7% Tes tidak stabil 5 Token input 40,961 Token output 2,518 Token penalaran 81,801 Waktu respons (rata-rata) 22.16s Waktu respons (total) 443.22s Waktu respons (maks) 136.29s Jawaban salah: 5 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 6.0 Gabungan : 2.3 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 6.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#42#42	GLM 5.2medium	7.8	Z.ai	$0.183 ↓	23.28s
Lihat kartu model Total Tes 21 Tes Salah 6 Keandalan 9.5 Tingkat lulus per percobaan 80.3% Tes tidak stabil 4 Token input 37,199 Token output 12,261 Token penalaran 49,500 Waktu respons (rata-rata) 23.28s Waktu respons (total) 488.94s Waktu respons (maks) 101.36s Jawaban salah: 3 Tidak ada jawaban: 2 Kedaluwarsa: 1 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
#72#72	Kimi K2.6medium	7.2	Moonshot AI	$1.036 ↓	109.98s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 9.4 Tingkat lulus per percobaan 63.6% Tes tidak stabil 4 Token input 68,902 Token output 111,680 Token penalaran 279,860 Waktu respons (rata-rata) 109.98s Waktu respons (total) 2309.56s Waktu respons (maks) 876.20s Kedaluwarsa: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 7.0 Pemrograman : 5.7 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#100#100	Gemma 4 26B A4Bmedium	6.6	Google	$0.096 ↑	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
#102#102	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 9.4 Tingkat lulus per percobaan 53.0% Tes tidak stabil 5 Token input 93,357 Token output 30,466 Token penalaran 336,325 Waktu respons (rata-rata) 148.73s Waktu respons (total) 3272.00s Waktu respons (maks) 941.66s Jawaban salah: 6 Kedaluwarsa: 3 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Trik anti-AI : 8.9 Pemrograman : 7.6 Gabungan : 10.0 Parsing dan ekstraksi data : 3.6 Spesifik domain : 3.6 Kecerdasan umum : 5.1 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#114#114	Ling 3.0 Flashhigh	6.4	Inclusionai	$0.000	13.32s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 9.4 Tingkat lulus per percobaan 63.6% Tes tidak stabil 4 Token input 132,224 Token output 92,393 Token penalaran 211,994 Waktu respons (rata-rata) 13.32s Waktu respons (total) 292.99s Waktu respons (maks) 75.27s Jawaban salah: 8 Pemanggilan alat tidak valid: 2 Trik anti-AI : 10.0 Pemrograman : 6.7 Gabungan : 2.9 Parsing dan ekstraksi data : 7.3 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#137#137	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
#37#37	Kimi K3max	8.0	Moonshot AI	$3.112	122.48s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 9.1 Tingkat lulus per percobaan 75.8% Tes tidak stabil 1 Token input 34,916 Token output 2,910 Token penalaran 197,529 Waktu respons (rata-rata) 122.48s Waktu respons (total) 2327.06s Waktu respons (maks) 766.58s Kesalahan API: 2 Kedaluwarsa: 2 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.5 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#147#147	Nemotron 3 Supermedium	5.7	NVIDIA	$0.055 ↑	51.99s
Lihat kartu model Total Tes 22 Tes Salah 14 Keandalan 8.7 Tingkat lulus per percobaan 40.9% Tes tidak stabil 3 Token input 81,429 Token output 18,371 Token penalaran 98,853 Waktu respons (rata-rata) 51.99s Waktu respons (total) 1039.89s Waktu respons (maks) 431.98s Jawaban salah: 5 Kesalahan API: 4 Tidak mengikuti instruksi: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 8.3 Pemrograman : 3.1 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.1 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 3.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#181#181	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 8.7 Tingkat lulus per percobaan 18.2% Tes tidak stabil 0 Token input 130,492 Token output 26,786 Token penalaran 0 Waktu respons (rata-rata) 29.95s Waktu respons (total) 658.82s Waktu respons (maks) 159.85s Jawaban salah: 12 Format tambahan: 2 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Trik anti-AI : 3.0 Pemrograman : 3.9 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 3.9 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.5 Pemanggilan alat : 9.5 Pengetahuan umum : 3.0
#144#144	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 8.6 Tingkat lulus per percobaan 48.5% Tes tidak stabil 4 Token input 81,813 Token output 424,772 Token penalaran 1,342,029 Waktu respons (rata-rata) 137.11s Waktu respons (total) 3016.42s Waktu respons (maks) 786.72s Jawaban salah: 9 Format tambahan: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.4 Pemrograman : 4.5 Gabungan : 2.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#84#84	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
#188#188	Nemotron 3 Supernone	4.9	NVIDIA	$0.008 ↑	5.97s
Lihat kartu model Total Tes 22 Tes Salah 17 Keandalan 8.5 Tingkat lulus per percobaan 30.3% Tes tidak stabil 3 Token input 63,519 Token output 6,434 Token penalaran 0 Waktu respons (rata-rata) 5.97s Waktu respons (total) 131.31s Waktu respons (maks) 20.00s Jawaban salah: 15 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 3.3 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.6 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 5.5 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#78#78	GLM 5.1medium	7.1	Z.ai	$0.535 ↓	46.77s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 8.3 Tingkat lulus per percobaan 69.7% Tes tidak stabil 4 Token input 82,623 Token output 16,089 Token penalaran 136,463 Waktu respons (rata-rata) 46.77s Waktu respons (total) 982.16s Waktu respons (maks) 308.75s Jawaban salah: 4 Kedaluwarsa: 2 Kesalahan API: 1 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 4.6 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 8.2 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#206#206	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Lihat kartu model Total Tes 22 Tes Salah 18 Keandalan 7.8 Tingkat lulus per percobaan 31.8% Tes tidak stabil 8 Token input 79,051 Token output 43,754 Token penalaran 374,109 Waktu respons (rata-rata) 142.59s Waktu respons (total) 1996.21s Waktu respons (maks) 1539.97s Jawaban salah: 9 Tidak ada jawaban: 3 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 2 Kedaluwarsa: 2 Trik anti-AI : 4.7 Pemrograman : 3.2 Gabungan : 2.9 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
#212#212	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Lihat kartu model Total Tes 21 Tes Salah 17 Keandalan 6.7 Tingkat lulus per percobaan 24.2% Tes tidak stabil 4 Token input 36,851 Token output 68,882 Token penalaran 0 Waktu respons (rata-rata) 2.76s Waktu respons (total) 46.99s Waktu respons (maks) 19.68s Jawaban salah: 13 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Format tambahan: 1 Trik anti-AI : 3.2 Pemrograman : 4.3 Gabungan : 1.5 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
#216#216	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Lihat kartu model Total Tes 22 Tes Salah 19 Keandalan 5.0 Tingkat lulus per percobaan 25.8% Tes tidak stabil 5 Token input 17,070 Token output 29,045 Token penalaran 209,516 Waktu respons (rata-rata) 82.24s Waktu respons (total) 1315.88s Waktu respons (maks) 226.38s Kedaluwarsa: 12 Tidak ada jawaban: 2 Jawaban salah: 2 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 5.1 Pemrograman : 2.9 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

←

1 6 7 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