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: 2026-05-10 Model Dievaluasi: 144

144/144

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#31#31	Qwen3.5-122B-A10Bmedium	7.9	Qwen	$0.561	32.51s
Lihat kartu model Total Tes 19 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 75.4% Tes tidak stabil 3 Token output 18,457 Token penalaran 177,734 Waktu respons (rata-rata) 32.51s Waktu respons (total) 617.70s Waktu respons (maks) 119.29s Jawaban salah: 4 Kedaluwarsa: 2 Trik anti-AI : 10.0 Pemrograman : 4.7 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
#32#32	MiMo-V2.5medium	7.8	Xiaomi	$0.253	14.40s
Lihat kartu model Total Tes 18 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 75.9% Tes tidak stabil 3 Token output 2,821 Token penalaran 116,207 Waktu respons (rata-rata) 14.40s Waktu respons (total) 259.20s Waktu respons (maks) 86.93s Format tambahan: 2 Jawaban salah: 2 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 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
#33#33	Qwen3.5 Plus 2026-04-20medium	7.8	Qwen	$0.305	35.96s
Lihat kartu model Total Tes 19 Tes Salah 6 Keandalan 9.6 Tingkat lulus per percobaan 73.7% Tes tidak stabil 2 Token output 2,206 Token penalaran 118,998 Waktu respons (rata-rata) 35.96s Waktu respons (total) 683.23s Waktu respons (maks) 92.57s Jawaban salah: 6 Trik anti-AI : 10.0 Pemrograman : 7.6 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
#34#34	Hy3 previewmedium	7.8	Tencent	$0.000	16.03s
Lihat kartu model Total Tes 19 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 70.2% Tes tidak stabil 1 Token output 72,551 Token penalaran 0 Waktu respons (rata-rata) 16.03s Waktu respons (total) 288.59s Waktu respons (maks) 46.04s Jawaban salah: 4 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#35#35	Claude Sonnet 4.6medium	7.8	Anthropic	$1.237	14.25s
Lihat kartu model Total Tes 19 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 70.2% Tes tidak stabil 1 Token output 45,505 Token penalaran 28,370 Waktu respons (rata-rata) 14.25s Waktu respons (total) 156.71s Waktu respons (maks) 46.35s Jawaban salah: 3 Format tambahan: 2 Kedaluwarsa: 1 Trik anti-AI : 6.5 Pemrograman : 10.0 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
#36#36	Step 3.5 Flashnone	7.8	Stepfun	$0.020	39.03s
Lihat kartu model Total Tes 12 Tes Salah 3 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 0 Token output 64,795 Token penalaran 0 Waktu respons (rata-rata) 39.03s Waktu respons (total) 312.26s Waktu respons (maks) 114.12s Kesalahan API: 1 Tidak mengikuti instruksi: 1 Jawaban salah: 1 Trik anti-AI : 10.0 Pemrograman : 3.0 Gabungan : 0.0 Parsing dan ekstraksi data : 0.0 Spesifik domain : 10.0 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemanggilan alat : 0.0 Pengetahuan umum : 3.0
#37#37	MiMo-V2-Promedium	7.7	Xiaomi	$0.212	16.18s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 9.4 Tingkat lulus per percobaan 77.2% Tes tidak stabil 4 Token output 2,514 Token penalaran 55,816 Waktu respons (rata-rata) 16.18s Waktu respons (total) 307.48s Waktu respons (maks) 82.71s Jawaban salah: 4 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 4.7 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
#38#38	Gemma 4 26B A4Bmedium	7.7	Google	$0.034	33.69s
Lihat kartu model Total Tes 19 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 73.7% Tes tidak stabil 3 Token output 16,725 Token penalaran 61,536 Waktu respons (rata-rata) 33.69s Waktu respons (total) 606.35s Waktu respons (maks) 180.87s Jawaban salah: 4 Kedaluwarsa: 2 Trik anti-AI : 10.0 Pemrograman : 2.8 Gabungan : 9.6 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#39#39	Hy3 previewlow	7.7	Tencent	$0.000	24.58s
Lihat kartu model Total Tes 19 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 72.9% Tes tidak stabil 1 Token output 63,155 Token penalaran 0 Waktu respons (rata-rata) 24.58s Waktu respons (total) 368.71s Waktu respons (maks) 78.74s Jawaban salah: 4 Kesalahan API: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.9 Kecerdasan umum : 0.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.5 Pemanggilan alat : 6.6 Pengetahuan umum : 3.0
#40#40	Gemini 3.1 Flash Lite Previewnone	7.7	Google	$0.016	1.28s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 1 Token output 5,370 Token penalaran 0 Waktu respons (rata-rata) 1.28s Waktu respons (total) 24.23s Waktu respons (maks) 3.39s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Trik anti-AI : 7.5 Pemrograman : 10.0 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
#41#41	GPT-5.2 Chatnone	7.6	OpenAI	$0.309	6.85s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 71.9% Tes tidak stabil 3 Token output 18,585 Token penalaran 0 Waktu respons (rata-rata) 6.85s Waktu respons (total) 130.06s Waktu respons (maks) 38.52s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Trik anti-AI : 8.7 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.4 Kepatuhan instruksi : 7.3 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#42#42	Kimi K2.6medium	7.6	Moonshot AI	$0.778	49.92s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 71.9% Tes tidak stabil 3 Token output 96,469 Token penalaran 195,991 Waktu respons (rata-rata) 49.92s Waktu respons (total) 898.64s Waktu respons (maks) 215.85s Jawaban salah: 3 Tidak mengikuti instruksi: 2 Kedaluwarsa: 2 Trik anti-AI : 7.0 Pemrograman : 10.0 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
#43#43	Step 3.5 Flashmedium	7.6	Stepfun	$0.011	41.66s
Lihat kartu model Total Tes 18 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 2 Token output 78,299 Token penalaran 173,409 Waktu respons (rata-rata) 41.66s Waktu respons (total) 499.91s Waktu respons (maks) 170.45s Jawaban salah: 4 Tidak mengikuti instruksi: 3 Trik anti-AI : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#44#44	Gemini 3.1 Flash Litelow	7.6	Google	$0.025	1.92s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 68.4% Tes tidak stabil 2 Token output 2,702 Token penalaran 8,596 Waktu respons (rata-rata) 1.92s Waktu respons (total) 36.49s Waktu respons (maks) 5.66s Jawaban salah: 7 Trik anti-AI : 7.3 Pemrograman : 10.0 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
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.089	65.79s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 6.7 Tingkat lulus per percobaan 77.2% Tes tidak stabil 6 Token output 2,105 Token penalaran 228,936 Waktu respons (rata-rata) 65.79s Waktu respons (total) 1250.00s Waktu respons (maks) 234.29s Kedaluwarsa: 3 Jawaban salah: 3 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 10.0 Pemrograman : 4.7 Gabungan : 10.0 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#46#46	GPT-5.3 Chatnone	7.6	OpenAI	$0.348	5.80s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 70.2% Tes tidak stabil 3 Token output 21,353 Token penalaran 0 Waktu respons (rata-rata) 5.80s Waktu respons (total) 110.27s Waktu respons (maks) 18.33s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Trik anti-AI : 6.7 Pemrograman : 10.0 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
#47#47	GLM 5.1medium	7.6	Z.ai	$0.209	24.43s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 0.0 Tingkat lulus per percobaan 71.9% Tes tidak stabil 3 Token output 8,087 Token penalaran 51,269 Waktu respons (rata-rata) 24.43s Waktu respons (total) 439.65s Waktu respons (maks) 118.52s Jawaban salah: 4 Kedaluwarsa: 2 Kesalahan API: 1 Trik anti-AI : 10.0 Pemrograman : 4.7 Gabungan : 9.5 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
#48#48	DeepSeek V4 Flashhigh	7.6	DeepSeek	$0.033	45.88s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 75.4% Tes tidak stabil 5 Token output 10,281 Token penalaran 98,830 Waktu respons (rata-rata) 45.88s Waktu respons (total) 871.76s Waktu respons (maks) 218.13s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#49#49	GLM 5V Turbomedium	7.5	Z.ai	$0.322	16.33s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 73.7% Tes tidak stabil 6 Token output 2,373 Token penalaran 66,463 Waktu respons (rata-rata) 16.33s Waktu respons (total) 310.29s Waktu respons (maks) 67.08s Jawaban salah: 5 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 7.2 Pemrograman : 10.0 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.6 Pemanggilan alat : 7.0 Pengetahuan umum : 3.0
#50#50	Qwen3.6 Flashmedium	7.5	Qwen	$0.305	15.85s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.9% Tes tidak stabil 5 Token output 2,830 Token penalaran 194,258 Waktu respons (rata-rata) 15.85s Waktu respons (total) 301.13s Waktu respons (maks) 122.87s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 10.0 Pemrograman : 6.7 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#51#51	Gemini 3.1 Flash Litehigh	7.5	Google	$2.044	61.96s
Lihat kartu model Total Tes 18 Tes Salah 7 Keandalan 9.8 Tingkat lulus per percobaan 74.1% Tes tidak stabil 4 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 Tidak mengikuti instruksi: 3 Jawaban salah: 3 Tidak ada jawaban: 1 Trik anti-AI : 9.4 Pemrograman : 10.0 Gabungan : 10.0 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
#52#52	Claude Opus 4.6medium	7.4	Anthropic	$1.710	24.59s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 2 Token output 37,874 Token penalaran 21,390 Waktu respons (rata-rata) 24.59s Waktu respons (total) 295.08s Waktu respons (maks) 83.40s Format tambahan: 4 Jawaban salah: 3 Trik anti-AI : 6.4 Pemrograman : 10.0 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
#53#53	GPT-5.4 Nanomedium	7.3	OpenAI	$0.084	10.87s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 64.9% Tes tidak stabil 2 Token output 3,016 Token penalaran 59,306 Waktu respons (rata-rata) 10.87s Waktu respons (total) 206.61s Waktu respons (maks) 94.06s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 9.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 3.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#54#54	Qwen3.6 Max Previewnone	7.2	Qwen	$0.083	3.31s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 64.9% Tes tidak stabil 2 Token output 4,751 Token penalaran 0 Waktu respons (rata-rata) 3.31s Waktu respons (total) 62.80s Waktu respons (maks) 20.51s Jawaban salah: 8 Trik anti-AI : 5.2 Pemrograman : 5.0 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#55#55	Ring 2.6 1tmedium	7.2	Inclusionai	$0.000	61.29s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 9.9 Tingkat lulus per percobaan 66.7% Tes tidak stabil 3 Token output 21,752 Token penalaran 42,754 Waktu respons (rata-rata) 61.29s Waktu respons (total) 1164.50s Waktu respons (maks) 304.19s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 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
#56#56	MiMo-V2-Flashmedium	7.2	Xiaomi	$0.038	21.71s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 3 Token output 12,399 Token penalaran 115,182 Waktu respons (rata-rata) 21.71s Waktu respons (total) 282.29s Waktu respons (maks) 96.01s Jawaban salah: 4 Kesalahan API: 1 Format tambahan: 1 Tidak mengikuti instruksi: 1 Kedaluwarsa: 1 Trik anti-AI : 8.1 Pemrograman : 4.7 Gabungan : 9.8 Parsing dan ekstraksi data : 6.5 Spesifik domain : 5.9 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#57#57	Ring 2.6 1tnone	7.2	Inclusionai	$0.000	55.10s
Lihat kartu model Total Tes 19 Tes Salah 7 Keandalan 9.8 Tingkat lulus per percobaan 62.5% Tes tidak stabil 2 Token output 39,954 Token penalaran 0 Waktu respons (rata-rata) 55.10s Waktu respons (total) 881.55s Waktu respons (maks) 143.82s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Trik anti-AI : 9.2 Pemrograman : 10.0 Gabungan : 0.0 Parsing dan ekstraksi data : 3.0 Spesifik domain : 5.3 Kecerdasan umum : 4.3 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 0.0 Pengetahuan umum : 3.0
#58#58	Seed-2.0-Minimedium	7.2	Bytedance Seed	$0.038	68.89s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 3.3 Tingkat lulus per percobaan 63.2% Tes tidak stabil 2 Token output 2,469 Token penalaran 81,017 Waktu respons (rata-rata) 68.89s Waktu respons (total) 1102.23s Waktu respons (maks) 262.83s Kedaluwarsa: 4 Jawaban salah: 3 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.6 Pemrograman : 10.0 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
#59#59	Qwen3.5-35B-A3Bmedium	7.2	Qwen	$0.481	51.50s
Lihat kartu model Total Tes 19 Tes Salah 9 Keandalan 6.7 Tingkat lulus per percobaan 75.4% Tes tidak stabil 7 Token output 21,056 Token penalaran 280,814 Waktu respons (rata-rata) 51.50s Waktu respons (total) 978.57s Waktu respons (maks) 177.35s Kedaluwarsa: 4 Jawaban salah: 3 Kesalahan API: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 4.7 Parsing dan ekstraksi data : 7.3 Spesifik domain : 4.1 Kecerdasan umum : 2.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 6.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#60#60	GPT-5.2medium	7.2	OpenAI	$0.397	15.22s
Lihat kartu model Total Tes 19 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 68.4% Tes tidak stabil 4 Token output 2,731 Token penalaran 22,200 Waktu respons (rata-rata) 15.22s Waktu respons (total) 182.59s Waktu respons (maks) 77.80s Tidak mengikuti instruksi: 3 Jawaban salah: 3 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 6.5 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 3.7 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.6 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0

Perbandingan Cepat

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumTersedia gratis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Leaderboard Benchmark AI

Filter model

Perbandingan Cepat