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: 2026-10-02 Model Dievaluasi: 387

Model rekomendasi

GPT-6.1 Sol xhigh Cerdas Tingkat lulus per percobaan 97.1% Tes benar 22 / 23 Skor 9.9/10 Gemini 3.7 Flash low Cepat Waktu respons (rata-rata) 6.24s Total token output 38,453 Skor 9.4/10 GPT-6 Luna high Terjangkau Harga input $0.100 / 1M Harga output $0.500 / 1M Harga baca cache $0.010 / 1M Harga tulis cache $0.125 / 1M Skor 7.7/10

387/387

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#76#76	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 69.6% Tes tidak stabil 2 Token input 197,239 Token output 6,083 Token penalaran 53,982 Waktu respons (rata-rata) 13.62s Waktu respons (total) 313.21s Waktu respons (maks) 91.49s Jawaban salah: 7 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 7.6 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#77#77	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Lihat kartu model Total Tes 23 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 85.5% Tes tidak stabil 2 Token input 348,103 Token output 11,045 Token penalaran 234,967 Waktu respons (rata-rata) 18.59s Waktu respons (total) 427.52s Waktu respons (maks) 145.92s Pemanggilan alat tidak valid: 2 Jawaban salah: 2 Tugas agen : 3.4 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 8.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 9.8 Pengetahuan umum : 10.0
#78#78	Kimi K3max	8.3	Moonshot AI	$3.611 ↓	139.41s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 9.3 Tingkat lulus per percobaan 78.3% Tes tidak stabil 2 Token input 170,700 Token output 7,719 Token penalaran 225,608 Waktu respons (rata-rata) 139.41s Waktu respons (total) 2788.26s Waktu respons (maks) 766.58s Kesalahan API: 2 Tidak ada jawaban: 2 Format tambahan: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 6.5 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#79#79	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 73.9% Tes tidak stabil 3 Token input 203,193 Token output 5,751 Token penalaran 47,410 Waktu respons (rata-rata) 18.07s Waktu respons (total) 415.53s Waktu respons (maks) 66.44s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 6.6 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#80#80	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 82.6% Tes tidak stabil 3 Token input 360,294 Token output 43,441 Token penalaran 24,401 Waktu respons (rata-rata) 16.72s Waktu respons (total) 384.66s Waktu respons (maks) 99.37s Jawaban salah: 5 Tidak ada jawaban: 1 Tugas agen : 6.1 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 9.9 Parsing dan ekstraksi data : 7.1 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#81#81	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 3 Token input 350,546 Token output 8,576 Token penalaran 206,984 Waktu respons (rata-rata) 59.73s Waktu respons (total) 1373.73s Waktu respons (maks) 315.30s Jawaban salah: 6 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 6.1 Gabungan : 8.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#82#82	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Lihat kartu model Total Tes 23 Tes Salah 6 Keandalan 10.0 Tingkat lulus per percobaan 82.6% Tes tidak stabil 3 Token input 342,124 Token output 7,135 Token penalaran 326,497 Waktu respons (rata-rata) 72.50s Waktu respons (total) 1667.51s Waktu respons (maks) 676.83s Jawaban salah: 3 Tidak ada jawaban: 2 Tidak mengikuti instruksi: 1 Tugas agen : 5.0 Trik anti-AI : 10.0 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 4.7 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#83#83	GLM 5.2medium	8.2	Z.ai	$0.417 ↓	26.88s
Lihat kartu model Total Tes 22 Tes Salah 6 Keandalan 9.6 Tingkat lulus per percobaan 81.2% Tes tidak stabil 4 Token input 227,164 Token output 20,029 Token penalaran 60,991 Waktu respons (rata-rata) 26.88s Waktu respons (total) 591.34s Waktu respons (maks) 102.40s Jawaban salah: 3 Tidak ada jawaban: 2 Kedaluwarsa: 1 Tugas agen : 10.0 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
#84#84	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.0% Tes tidak stabil 2 Token input 172,507 Token output 5,824 Token penalaran 27,365 Waktu respons (rata-rata) 8.93s Waktu respons (total) 205.39s Waktu respons (maks) 54.74s Jawaban salah: 8 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 6.1 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.4 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#85#85	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 71.0% Tes tidak stabil 4 Token input 229,530 Token output 13,757 Token penalaran 92,662 Waktu respons (rata-rata) 48.87s Waktu respons (total) 1123.91s Waktu respons (maks) 254.92s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 8.0 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 6.7 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 9.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#86#86	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 8.9 Tingkat lulus per percobaan 78.3% Tes tidak stabil 6 Token input 237,604 Token output 9,617 Token penalaran 244,190 Waktu respons (rata-rata) 73.02s Waktu respons (total) 1679.49s Waktu respons (maks) 485.92s Jawaban salah: 7 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 7.0 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 6.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 9.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#87#87	DeepSeek V4 Pro 0423high	8.1	DeepSeek	$0.149 ↓	91.29s
Lihat kartu model Total Tes 23 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 6 Token input 287,061 Token output 32,056 Token penalaran 196,607 Waktu respons (rata-rata) 91.29s Waktu respons (total) 2099.56s Waktu respons (maks) 416.76s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 1 Tugas agen : 10.0 Trik anti-AI : 5.7 Pemrograman : 6.3 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
#88#88	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Lihat kartu model Total Tes 23 Tes Salah 5 Keandalan 10.0 Tingkat lulus per percobaan 81.2% Tes tidak stabil 2 Token input 437,293 Token output 29,102 Token penalaran 28,876 Waktu respons (rata-rata) 14.12s Waktu respons (total) 310.55s Waktu respons (maks) 150.60s Jawaban salah: 3 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 5.2 Trik anti-AI : 8.3 Pemrograman : 7.6 Gabungan : 10.0 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
#89#89	DeepSeek V4 Flash 0423high	8.1	DeepSeek	$0.030 ↓	55.99s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 71.0% Tes tidak stabil 4 Token input 298,794 Token output 45,873 Token penalaran 188,721 Waktu respons (rata-rata) 55.99s Waktu respons (total) 1287.87s Waktu respons (maks) 218.13s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 7.8 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#90#90	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.526 ↑	28.04s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 9.6 Tingkat lulus per percobaan 73.9% Tes tidak stabil 4 Token input 266,849 Token output 8,284 Token penalaran 363,263 Waktu respons (rata-rata) 28.04s Waktu respons (total) 645.03s Waktu respons (maks) 149.84s Jawaban salah: 7 Kesalahan API: 1 Tugas agen : 6.1 Trik anti-AI : 8.3 Pemrograman : 10.0 Gabungan : 10.0 Parsing dan ekstraksi data : 6.5 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#91#91	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 71.0% Tes tidak stabil 4 Token input 197,896 Token output 6,211 Token penalaran 133,184 Waktu respons (rata-rata) 18.39s Waktu respons (total) 422.93s Waktu respons (maks) 111.09s Jawaban salah: 8 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 10.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#92#92	Nemotron 3 Ultramedium	8.0	NVIDIA	$0.674 ↕	40.33s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 9.8 Tingkat lulus per percobaan 68.1% Tes tidak stabil 3 Token input 482,754 Token output 62,455 Token penalaran 141,067 Waktu respons (rata-rata) 40.33s Waktu respons (total) 927.65s Waktu respons (maks) 392.56s Jawaban salah: 7 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 10.0 Pemrograman : 8.4 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 3.7 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.5 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#93#93	GPT-5.4 Nanomedium	8.0	OpenAI	$0.235 ↑	15.95s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 4 Token input 237,088 Token output 8,235 Token penalaran 102,675 Waktu respons (rata-rata) 15.95s Waktu respons (total) 366.93s Waktu respons (maks) 94.06s Jawaban salah: 8 Tidak mengikuti instruksi: 2 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 6.1 Gabungan : 9.9 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
#94#94	Gemini 3.8 Flashmedium	8.0	Google	$0.769	16.64s
Lihat kartu model Total Tes 23 Tes Salah 4 Keandalan 9.9 Tingkat lulus per percobaan 89.9% Tes tidak stabil 3 Token input 187,331 Token output 7,555 Token penalaran 159,931 Waktu respons (rata-rata) 16.64s Waktu respons (total) 382.64s Waktu respons (maks) 108.60s Jawaban salah: 2 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 2.8 Trik anti-AI : 10.0 Pemrograman : 8.0 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 8.2 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 10.0
#95#95	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 75.4% Tes tidak stabil 6 Token input 176,890 Token output 5,688 Token penalaran 18,525 Waktu respons (rata-rata) 7.58s Waktu respons (total) 174.39s Waktu respons (maks) 54.57s Jawaban salah: 8 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 8.3 Pemrograman : 6.6 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#96#96	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Lihat kartu model Total Tes 23 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 76.8% Tes tidak stabil 6 Token input 288,919 Token output 17,484 Token penalaran 617,804 Waktu respons (rata-rata) 114.73s Waktu respons (total) 2638.74s Waktu respons (maks) 1026.43s Jawaban salah: 4 Tidak mengikuti instruksi: 2 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Kedaluwarsa: 1 Tugas agen : 10.0 Trik anti-AI : 8.7 Pemrograman : 6.2 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 6.1 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#97#97	GLM 5.3 FlashXmax	7.9	Z.ai	$0.623	43.97s
Lihat kartu model Total Tes 23 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 78.3% Tes tidak stabil 6 Token input 322,894 Token output 8,010 Token penalaran 394,755 Waktu respons (rata-rata) 43.97s Waktu respons (total) 1011.29s Waktu respons (maks) 390.70s Pemanggilan alat tidak valid: 2 Tidak ada jawaban: 2 Jawaban salah: 2 Format tambahan: 1 Tidak mengikuti instruksi: 1 Tugas agen : 6.1 Trik anti-AI : 10.0 Pemrograman : 8.2 Gabungan : 8.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#98#98	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Lihat kartu model Total Tes 23 Tes Salah 4 Keandalan 10.0 Tingkat lulus per percobaan 85.5% Tes tidak stabil 1 Token input 144,676 Token output 8,184 Token penalaran 32,282 Waktu respons (rata-rata) 13.30s Waktu respons (total) 305.83s Waktu respons (maks) 40.17s Jawaban salah: 3 Kesalahan API: 1 Tugas agen : 3.0 Trik anti-AI : 10.0 Pemrograman : 8.4 Gabungan : 10.0 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
#99#99	GPT-5.4 Minimedium	7.9	OpenAI	$1.102 ↑	29.94s
Lihat kartu model Total Tes 23 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.6% Tes tidak stabil 5 Token input 238,925 Token output 7,109 Token penalaran 177,063 Waktu respons (rata-rata) 29.94s Waktu respons (total) 688.57s Waktu respons (maks) 138.75s Jawaban salah: 6 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Tugas agen : 10.0 Trik anti-AI : 8.6 Pemrograman : 8.4 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 4.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.8 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#100#100	Qwen3.7 Maxnone	7.9	Qwen	$0.451 ↓	7.85s
Lihat kartu model Total Tes 23 Tes Salah 7 Keandalan 9.9 Tingkat lulus per percobaan 69.6% Tes tidak stabil 0 Token input 243,553 Token output 20,670 Token penalaran 0 Waktu respons (rata-rata) 7.85s Waktu respons (total) 180.65s Waktu respons (maks) 80.34s Jawaban salah: 7 Tugas agen : 10.0 Trik anti-AI : 6.5 Pemrograman : 5.5 Gabungan : 6.5 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

Tren benchmark global

Lihat bagaimana model saat ini menyeimbangkan skor, biaya, kecepatan, panjang output, dan kekuatan per kategori.

Grafik →

Frontier Pareto: kecerdasan vs biaya

Perkembangan skor terbaik perusahaan terdepan

Frontier Pareto: kecerdasan vs kecepatan respons

Frontier Pareto Skor vs Token Output

Tingkat kesulitan kategori lintas model

Perbandingan Cepat

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow