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: 2026-07-02 Model Dievaluasi: 174

174/174

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#31#31	Qwen3.6 Plusmedium	7.8	Qwen	$0.294 ↑	30.70s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 69.8% Tes tidak stabil 2 Token input 41,565 Token output 1,853 Token penalaran 141,973 Waktu respons (rata-rata) 30.70s Waktu respons (total) 613.99s Waktu respons (maks) 201.68s Jawaban salah: 5 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 6.1 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#32#32	Claude Sonnet 4.6medium	7.8	Anthropic	$1.418	17.06s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.1% Tes tidak stabil 2 Token input 49,112 Token output 54,703 Token penalaran 29,970 Waktu respons (rata-rata) 17.06s Waktu respons (total) 221.83s Waktu respons (maks) 46.35s Jawaban salah: 4 Format tambahan: 3 Kedaluwarsa: 1 Trik anti-AI : 6.5 Pemrograman : 5.7 Gabungan : 10.0 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
#33#33	Gemini 3.1 Flash Lite Previewmedium	7.8	Google	$0.068	3.96s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 61.9% Tes tidak stabil 0 Token input 37,786 Token output 2,210 Token penalaran 36,744 Waktu respons (rata-rata) 3.96s Waktu respons (total) 83.06s Waktu respons (maks) 14.93s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Trik anti-AI : 9.1 Pemrograman : 5.5 Gabungan : 10.0 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
#34#34	Qwen3.5 Plus 2026-04-20medium	7.8	Qwen	$0.317 ↓	46.36s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 66.7% 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 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 10.0 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
#35#35	Gemini 3.1 Flash Litemedium	7.8	Google	$0.071	3.23s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 65.1% Tes tidak stabil 2 Token input 36,808 Token output 2,254 Token penalaran 38,300 Waktu respons (rata-rata) 3.23s Waktu respons (total) 67.80s Waktu respons (maks) 10.87s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Trik anti-AI : 9.1 Pemrograman : 5.5 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#36#36	Kimi K2.6medium	7.8	Moonshot AI	$0.888 ↓	71.67s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 65.1% Tes tidak stabil 3 Token input 29,450 Token output 102,923 Token penalaran 254,094 Waktu respons (rata-rata) 71.67s Waktu respons (total) 1433.36s Waktu respons (maks) 406.78s Kedaluwarsa: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Trik anti-AI : 7.0 Pemrograman : 5.7 Gabungan : 10.0 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
#37#37	Qwen3.5-122B-A10Bmedium	7.7	Qwen	$0.588 ↓	42.49s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 73.0% Tes tidak stabil 3 Token input 41,832 Token output 26,187 Token penalaran 251,028 Waktu respons (rata-rata) 42.49s Waktu respons (total) 892.30s Waktu respons (maks) 168.16s Jawaban salah: 5 Kedaluwarsa: 2 Trik anti-AI : 10.0 Pemrograman : 6.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 3.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#38#38	Claude Opus 4.8low	7.7	Anthropic	$1.270	10.83s
Lihat kartu model Total Tes 21 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 79.4% Tes tidak stabil 3 Token input 60,946 Token output 31,771 Token penalaran 6,831 Waktu respons (rata-rata) 10.83s Waktu respons (total) 227.39s Waktu respons (maks) 127.97s Jawaban salah: 4 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.6 Gabungan : 9.8 Parsing dan ekstraksi data : 6.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#39#39	Grok 4.3medium	7.7	X AI	$0.614	47.51s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.4% Tes tidak stabil 4 Token input 44,472 Token output 1,981 Token penalaran 221,382 Waktu respons (rata-rata) 47.51s Waktu respons (total) 997.68s Waktu respons (maks) 216.69s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Format tambahan: 1 Trik anti-AI : 10.0 Pemrograman : 5.9 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#40#40	Claude Opus 4.6medium	7.7	Anthropic	$2.053	25.89s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 61.9% Tes tidak stabil 3 Token input 53,227 Token output 47,446 Token penalaran 24,000 Waktu respons (rata-rata) 25.89s Waktu respons (total) 362.49s Waktu respons (maks) 83.40s Format tambahan: 5 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.4 Pemrograman : 5.7 Gabungan : 10.0 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
#41#41	Step 3.7 Flashlow	7.7	Stepfun	$0.341	15.74s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 4 Token input 40,101 Token output 289,325 Token penalaran 0 Waktu respons (rata-rata) 15.74s Waktu respons (total) 330.63s Waktu respons (maks) 124.75s Jawaban salah: 8 Tidak ada jawaban: 1 Trik anti-AI : 8.7 Pemrograman : 8.2 Gabungan : 10.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 3.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#42#42	MiniMax M3medium	7.6	Minimax	$0.131	68.17s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 9.6 Tingkat lulus per percobaan 65.1% Tes tidak stabil 5 Token input 46,546 Token output 49,036 Token penalaran 92,543 Waktu respons (rata-rata) 68.17s Waktu respons (total) 1363.38s 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
#43#43	DeepSeek V4 Prohigh	7.6	DeepSeek	$0.157	77.20s
Lihat kartu model Total Tes 21 Tes Salah 12 Keandalan 9.3 Tingkat lulus per percobaan 66.7% Tes tidak stabil 8 Token input 38,726 Token output 6,334 Token penalaran 159,151 Waktu respons (rata-rata) 77.20s Waktu respons (total) 1621.17s 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 : 6.1 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
#44#44	Grok Build 0.1medium	7.6	X AI	$0.927	49.90s
Lihat kartu model Total Tes 21 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 61.9% Tes tidak stabil 0 Token input 44,418 Token output 2,782 Token penalaran 438,018 Waktu respons (rata-rata) 49.90s Waktu respons (total) 1047.92s Waktu respons (maks) 252.69s Jawaban salah: 5 Format tambahan: 3 Trik anti-AI : 8.3 Pemrograman : 5.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#45#45	Kimi K2.5medium	7.5	Moonshot AI	$0.348 ↓	98.43s
Lihat kartu model Total Tes 21 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 8 Token input 34,312 Token output 48,379 Token penalaran 157,747 Waktu respons (rata-rata) 98.43s Waktu respons (total) 1378.03s Waktu respons (maks) 281.00s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kedaluwarsa: 2 Trik anti-AI : 7.3 Pemrograman : 6.1 Gabungan : 10.0 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
#46#46	Mercury 2medium	7.5	Inception	$0.058	2.24s
Lihat kartu model Total Tes 21 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 54.0% Tes tidak stabil 3 Token input 35,116 Token output 4,048 Token penalaran 61,219 Waktu respons (rata-rata) 2.24s Waktu respons (total) 44.72s Waktu respons (maks) 14.63s Jawaban salah: 8 Tidak mengikuti instruksi: 3 Trik anti-AI : 6.9 Pemrograman : 8.2 Gabungan : 10.0 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
#47#47	GPT-5.3 Chatnone	7.5	OpenAI	$0.433	6.34s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 34,209 Token output 26,617 Token penalaran 0 Waktu respons (rata-rata) 6.34s Waktu respons (total) 133.13s Waktu respons (maks) 18.33s Jawaban salah: 7 Tidak mengikuti instruksi: 2 Trik anti-AI : 6.7 Pemrograman : 5.6 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.6 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#48#48	GPT-5.4 Nanomedium	7.5	OpenAI	$0.107	11.95s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 63.5% Tes tidak stabil 4 Token input 35,434 Token output 3,014 Token penalaran 76,520 Waktu respons (rata-rata) 11.95s Waktu respons (total) 250.98s Waktu respons (maks) 94.06s Jawaban salah: 8 Tidak mengikuti instruksi: 2 Trik anti-AI : 8.3 Pemrograman : 6.1 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 4.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#49#49	Qwen3.6 Flashmedium	7.5	Qwen	$0.288 ↓	19.25s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 71.4% Tes tidak stabil 5 Token input 42,362 Token output 2,995 Token penalaran 245,358 Waktu respons (rata-rata) 19.25s Waktu respons (total) 404.20s Waktu respons (maks) 122.87s Jawaban salah: 8 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 5.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#50#50	DeepSeek V3.2medium	7.5	DeepSeek	$0.044 ↓	68.71s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 65.1% Tes tidak stabil 6 Token input 38,333 Token output 7,186 Token penalaran 99,081 Waktu respons (rata-rata) 68.71s Waktu respons (total) 1442.81s Waktu respons (maks) 376.10s Jawaban salah: 5 Kesalahan API: 2 Kedaluwarsa: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.2 Pemrograman : 6.0 Gabungan : 10.0 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
#51#51	Claude Opus 4.7none	7.4	Anthropic	$0.505	3.02s
Lihat kartu model Total Tes 19 Tes Salah 3 Keandalan 10.0 Tingkat lulus per percobaan 76.2% Tes tidak stabil 0 Token input 69,576 Token output 6,265 Token penalaran 0 Waktu respons (rata-rata) 3.02s Waktu respons (total) 57.44s Waktu respons (maks) 18.27s Jawaban salah: 3 Trik anti-AI : 8.3 Pemrograman : 3.3 Gabungan : 9.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#52#52	Seed-2.0-Minimedium	7.4	Bytedance Seed	$0.044	80.22s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 6.7 Tingkat lulus per percobaan 57.1% Tes tidak stabil 2 Token input 41,904 Token output 2,555 Token penalaran 95,974 Waktu respons (rata-rata) 80.22s Waktu respons (total) 1363.72s Waktu respons (maks) 262.83s Kedaluwarsa: 5 Jawaban salah: 4 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.6 Pemrograman : 5.5 Gabungan : 10.0 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
#53#53	MiMo-V2.5-Promedium	7.4	Xiaomi	$0.106 ↓	26.13s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 68.3% Tes tidak stabil 4 Token input 40,854 Token output 5,015 Token penalaran 97,742 Waktu respons (rata-rata) 26.13s Waktu respons (total) 548.65s Waktu respons (maks) 130.77s Format tambahan: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 10.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#54#54	Gemini 3 Flash Previewlow	7.4	Google	$0.111	5.76s
Lihat kartu model Total Tes 21 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 79.4% Tes tidak stabil 2 Token input 36,769 Token output 2,076 Token penalaran 28,518 Waktu respons (rata-rata) 5.76s Waktu respons (total) 120.93s Waktu respons (maks) 14.72s Jawaban salah: 5 Trik anti-AI : 10.0 Pemrograman : 5.8 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#55#55	Grok 4.20medium	7.3	X AI	$0.609 ↓	27.68s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.5% Tes tidak stabil 3 Token input 44,433 Token output 1,819 Token penalaran 219,524 Waktu respons (rata-rata) 27.68s Waktu respons (total) 581.26s Waktu respons (maks) 199.66s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Format tambahan: 1 Trik anti-AI : 8.2 Pemrograman : 6.3 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 3.9 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#56#56	Hy3 previewmedium	7.3	Tencent	$0.018 ↕	16.28s
Lihat kartu model Total Tes 21 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 0 Token input 27,030 Token output 73,544 Token penalaran 0 Waktu respons (rata-rata) 16.28s Waktu respons (total) 293.12s Waktu respons (maks) 46.04s Kesalahan API: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 5.3 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#57#57	Claude Sonnet 4.6none	7.3	Anthropic	$0.316	5.04s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 55.6% Tes tidak stabil 1 Token input 57,886 Token output 9,465 Token penalaran 0 Waktu respons (rata-rata) 5.04s Waktu respons (total) 70.60s Waktu respons (maks) 23.84s Jawaban salah: 5 Format tambahan: 4 Tidak mengikuti instruksi: 1 Trik anti-AI : 4.8 Pemrograman : 5.5 Gabungan : 9.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 6.1 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#58#58	GLM 5V Turbomedium	7.3	Z.ai	$0.457	23.08s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 68.3% 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 : 6.9 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
#59#59	Claude Opus 4.8none	7.2	Anthropic	$0.539	3.48s
Lihat kartu model Total Tes 21 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 61.9% Tes tidak stabil 2 Token input 67,104 Token output 8,107 Token penalaran 0 Waktu respons (rata-rata) 3.48s Waktu respons (total) 73.00s Waktu respons (maks) 17.73s Jawaban salah: 4 Format tambahan: 3 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 6.5 Pemrograman : 5.5 Gabungan : 9.5 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#60#60	DeepSeek V4 Pronone	7.2	DeepSeek	$0.034	6.41s
Lihat kartu model Total Tes 21 Tes Salah 11 Keandalan 9.9 Tingkat lulus per percobaan 52.4% Tes tidak stabil 3 Token input 53,558 Token output 11,424 Token penalaran 0 Waktu respons (rata-rata) 6.41s Waktu respons (total) 134.66s Waktu respons (maks) 30.09s Jawaban salah: 8 Tidak mengikuti instruksi: 2 Format tambahan: 1 Trik anti-AI : 3.2 Pemrograman : 5.6 Gabungan : 9.5 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

←

1 2 3 4 5 6

→

Perbandingan Cepat

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumTersedia gratis Gemini 3.5 FlashhighvsNorth Mini CodemediumTersedia gratis Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

Leaderboard Benchmark AI

Filter model

Perbandingan Cepat