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: 2026-08-15 Model Dievaluasi: 287

Model rekomendasi

GPT-5.6 Sol high Cerdas Tingkat lulus per percobaan 89.4% Tes benar 18 / 22 Skor 9.4/10 GPT-5.6 Luna medium Cepat Waktu respons (rata-rata) 7.43s Total token output 44,525 Skor 7.4/10 DeepSeek V4 Flash 0731 high Terjangkau Harga input $0.140 / 1M Harga output $0.280 / 1M Skor 8.0/10

287/287

Peringkat	Model	Skor	Perusahaan	Total Biaya	Waktu respons (rata-rata)
#121#121	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.116	93.10s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 8.7 Tingkat lulus per percobaan 57.6% Tes tidak stabil 3 Token input 125,704 Token output 10,781 Token penalaran 247,541 Waktu respons (rata-rata) 93.10s Waktu respons (total) 1768.91s Waktu respons (maks) 301.78s Jawaban salah: 5 Kedaluwarsa: 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
#122#122	Kimi K2.5medium	7.0	Moonshot AI	$0.607 ↑	98.19s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 8 Token input 118,496 Token output 53,522 Token penalaran 167,420 Waktu respons (rata-rata) 98.19s Waktu respons (total) 1571.05s Waktu respons (maks) 281.00s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kedaluwarsa: 2 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.3 Pemrograman : 6.1 Gabungan : 6.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#123#123	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.478	24.87s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 8 Token input 87,916 Token output 7,213 Token penalaran 132,162 Waktu respons (rata-rata) 24.87s Waktu respons (total) 547.14s Waktu respons (maks) 257.00s Jawaban salah: 9 Kesalahan API: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.2 Pemrograman : 7.8 Gabungan : 6.4 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 4.7 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 5.9 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#124#124	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 7 Token input 114,477 Token output 12,786 Token penalaran 457,290 Waktu respons (rata-rata) 47.38s Waktu respons (total) 1042.43s Waktu respons (maks) 593.64s Jawaban salah: 8 Tidak mengikuti instruksi: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.5 Kepatuhan instruksi : 5.8 Pemecahan teka-teki : 7.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#125#125	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 8.6 Tingkat lulus per percobaan 63.6% Tes tidak stabil 5 Token input 81,970 Token output 7,186 Token penalaran 403,389 Waktu respons (rata-rata) 124.18s Waktu respons (total) 2732.03s Waktu respons (maks) 675.30s Kesalahan API: 5 Jawaban salah: 4 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 6.2 Gabungan : 7.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.5 Kecerdasan umum : 4.6 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.8 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#126#126	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 3 Token input 13,852 Token output 119,100 Token penalaran 0 Waktu respons (rata-rata) 10.18s Waktu respons (total) 183.29s Waktu respons (maks) 64.36s Kesalahan API: 4 Jawaban salah: 4 Trik anti-AI : 10.0 Pemrograman : 8.8 Gabungan : 3.0 Parsing dan ekstraksi data : 6.5 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
#127#127	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 66.7% Tes tidak stabil 5 Token input 129,050 Token output 20,026 Token penalaran 616,923 Waktu respons (rata-rata) 44.97s Waktu respons (total) 989.32s Waktu respons (maks) 578.13s Jawaban salah: 8 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 5.0 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.8 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#128#128	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 4 Token input 98,700 Token output 1,050,900 Token penalaran 0 Waktu respons (rata-rata) 70.10s Waktu respons (total) 1542.14s Waktu respons (maks) 364.99s Jawaban salah: 7 Tidak ada jawaban: 3 Pemanggilan alat tidak valid: 1 Trik anti-AI : 10.0 Pemrograman : 4.0 Gabungan : 8.7 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.6 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 5.3 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#129#129	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 7.3 Tingkat lulus per percobaan 63.6% Tes tidak stabil 7 Token input 76,036 Token output 7,267 Token penalaran 364,176 Waktu respons (rata-rata) 101.05s Waktu respons (total) 2223.19s Waktu respons (maks) 626.58s Kesalahan API: 6 Jawaban salah: 4 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.9 Pemrograman : 8.9 Gabungan : 4.7 Parsing dan ekstraksi data : 7.3 Spesifik domain : 5.3 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 4.7 Pengetahuan umum : 3.0
#130#130	Solar Pro 4low	6.8	Upstage	$0.044	136.11s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 6 Token input 90,556 Token output 6,153 Token penalaran 332,220 Waktu respons (rata-rata) 136.11s Waktu respons (total) 2994.49s Waktu respons (maks) 640.89s Jawaban salah: 6 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Tidak ada jawaban: 1 Kedaluwarsa: 1 Trik anti-AI : 8.2 Pemrograman : 5.5 Gabungan : 6.3 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 5.5 Kepatuhan instruksi : 8.0 Pemecahan teka-teki : 9.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#131#131	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 9.9 Tingkat lulus per percobaan 62.1% Tes tidak stabil 4 Token input 87,902 Token output 30,743 Token penalaran 335,668 Waktu respons (rata-rata) 127.64s Waktu respons (total) 2808.09s Waktu respons (maks) 519.91s Jawaban salah: 5 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Format tambahan: 1 Tidak ada jawaban: 1 Trik anti-AI : 8.2 Pemrograman : 5.5 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 3.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 9.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#132#132	DeepSeek V4 Pronone	6.8	DeepSeek	$0.256 ↑	11.71s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 47.0% Tes tidak stabil 4 Token input 148,078 Token output 35,547 Token penalaran 0 Waktu respons (rata-rata) 11.71s Waktu respons (total) 257.67s Waktu respons (maks) 119.44s Jawaban salah: 9 Tidak mengikuti instruksi: 2 Format tambahan: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 3.2 Pemrograman : 5.6 Gabungan : 7.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#133#133	MiMo-V2.5-Promedium	6.8	Xiaomi	$0.221 ↓	48.68s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 6 Token input 139,892 Token output 15,569 Token penalaran 169,897 Waktu respons (rata-rata) 48.68s Waktu respons (total) 1071.02s Waktu respons (maks) 333.34s Format tambahan: 3 Jawaban salah: 3 Tidak mengikuti instruksi: 2 Kesalahan API: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 6.2 Gabungan : 6.9 Parsing dan ekstraksi data : 7.3 Spesifik domain : 2.9 Kecerdasan umum : 5.5 Kepatuhan instruksi : 9.9 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#134#134	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 65.2% Tes tidak stabil 3 Token input 104,217 Token output 10,710 Token penalaran 0 Waktu respons (rata-rata) 2.82s Waktu respons (total) 45.05s Waktu respons (maks) 21.19s Jawaban salah: 8 Tidak ada jawaban: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#135#135	Gemma 4 26B A4Bmedium	6.8	Google	$0.111 ↑	104.93s
Lihat kartu model Total Tes 22 Tes Salah 7 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 1 Token input 77,528 Token output 26,048 Token penalaran 227,598 Waktu respons (rata-rata) 104.93s Waktu respons (total) 2203.52s Waktu respons (maks) 912.19s Tidak ada jawaban: 2 Kedaluwarsa: 2 Jawaban salah: 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 : 5.3 Kecerdasan umum : 10.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#136#136	GLM 5.2none	6.7	Z.ai	$0.078 ↓	9.65s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 2 Token input 112,458 Token output 14,344 Token penalaran 0 Waktu respons (rata-rata) 9.65s Waktu respons (total) 212.38s Waktu respons (maks) 79.65s Jawaban salah: 7 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 3.7 Gabungan : 6.9 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 6.1 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#137#137	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.487	26.01s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 71.2% Tes tidak stabil 8 Token input 98,508 Token output 139,572 Token penalaran 0 Waktu respons (rata-rata) 26.01s Waktu respons (total) 572.22s Waktu respons (maks) 335.41s Jawaban salah: 10 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.7 Pemrograman : 6.1 Gabungan : 4.1 Parsing dan ekstraksi data : 10.0 Spesifik domain : 4.1 Kecerdasan umum : 4.8 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 8.2 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#138#138	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 9.9 Tingkat lulus per percobaan 54.6% Tes tidak stabil 4 Token input 90,870 Token output 5,676 Token penalaran 314,918 Waktu respons (rata-rata) 113.61s Waktu respons (total) 2499.46s Waktu respons (maks) 560.39s Jawaban salah: 7 Kesalahan API: 2 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 : 2.9 Kecerdasan umum : 3.4 Kepatuhan instruksi : 6.5 Pemecahan teka-teki : 3.1 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#139#139	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 1 Token input 100,762 Token output 16,454 Token penalaran 0 Waktu respons (rata-rata) 2.65s Waktu respons (total) 58.21s Waktu respons (maks) 25.26s Jawaban salah: 6 Pemanggilan alat tidak valid: 2 Tidak mengikuti instruksi: 1 Trik anti-AI : 6.5 Pemrograman : 5.6 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 10.0 Kepatuhan instruksi : 6.4 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#140#140	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Lihat kartu model Total Tes 21 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 65.2% 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 : 3.4 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
#141#141	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 51.5% Tes tidak stabil 4 Token input 93,411 Token output 30,470 Token penalaran 356,172 Waktu respons (rata-rata) 153.29s Waktu respons (total) 3372.36s Waktu respons (maks) 941.66s Jawaban salah: 7 Tidak mengikuti instruksi: 2 Tidak ada jawaban: 2 Kedaluwarsa: 2 Trik anti-AI : 8.9 Pemrograman : 7.8 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
#142#142	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Lihat kartu model Total Tes 19 Tes Salah 3 Keandalan 10.0 Tingkat lulus per percobaan 72.7% 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 : 4.8 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
#143#143	Gemini 3.5 Flash Litelow	6.6	Google	$0.138	2.56s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 69.7% Tes tidak stabil 6 Token input 139,165 Token output 12,899 Token penalaran 25,511 Waktu respons (rata-rata) 2.56s Waktu respons (total) 56.32s Waktu respons (maks) 15.14s Jawaban salah: 8 Tidak mengikuti instruksi: 1 Tidak ada jawaban: 1 Trik anti-AI : 9.0 Pemrograman : 4.3 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.9 Kecerdasan umum : 10.0 Kepatuhan instruksi : 9.8 Pemecahan teka-teki : 7.6 Pemanggilan alat : 10.0 Pengetahuan umum : 4.7
#144#144	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Lihat kartu model Total Tes 22 Tes Salah 13 Keandalan 10.0 Tingkat lulus per percobaan 45.5% Tes tidak stabil 2 Token input 102,325 Token output 24,323 Token penalaran 0 Waktu respons (rata-rata) 4.77s Waktu respons (total) 105.00s Waktu respons (maks) 69.46s Jawaban salah: 11 Tidak mengikuti instruksi: 2 Trik anti-AI : 4.8 Pemrograman : 5.8 Gabungan : 6.4 Parsing dan ekstraksi data : 10.0 Spesifik domain : 5.3 Kecerdasan umum : 5.0 Kepatuhan instruksi : 6.3 Pemecahan teka-teki : 6.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#145#145	Gemini 3.1 Flash Lite Previewlow	6.6	Google	$0.646	16.67s
Lihat kartu model Total Tes 22 Tes Salah 8 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 0 Token input 110,196 Token output 14,717 Token penalaran 397,462 Waktu respons (rata-rata) 16.67s Waktu respons (total) 366.69s Waktu respons (maks) 309.35s Jawaban salah: 6 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Trik anti-AI : 8.3 Pemrograman : 5.5 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#146#146	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 3 Token input 100,255 Token output 6,422 Token penalaran 49,847 Waktu respons (rata-rata) 6.30s Waktu respons (total) 138.60s Waktu respons (maks) 17.26s Jawaban salah: 6 Tidak mengikuti instruksi: 4 Pemanggilan alat tidak valid: 2 Trik anti-AI : 10.0 Pemrograman : 7.8 Gabungan : 3.8 Parsing dan ekstraksi data : 10.0 Spesifik domain : 3.0 Kecerdasan umum : 5.3 Kepatuhan instruksi : 8.5 Pemecahan teka-teki : 5.8 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#147#147	Gemini 3.1 Flash Litelow	6.6	Google	$0.621	16.25s
Lihat kartu model Total Tes 22 Tes Salah 9 Keandalan 10.0 Tingkat lulus per percobaan 63.6% Tes tidak stabil 2 Token input 94,233 Token output 7,759 Token penalaran 390,132 Waktu respons (rata-rata) 16.25s Waktu respons (total) 357.39s Waktu respons (maks) 318.02s Jawaban salah: 8 Pemanggilan alat tidak valid: 1 Trik anti-AI : 7.3 Pemrograman : 5.5 Gabungan : 3.2 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.0 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 10.0 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#148#148	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.750 ↑	58.49s
Lihat kartu model Total Tes 22 Tes Salah 10 Keandalan 10.0 Tingkat lulus per percobaan 57.6% Tes tidak stabil 2 Token input 85,148 Token output 61,736 Token penalaran 681,556 Waktu respons (rata-rata) 58.49s Waktu respons (total) 1169.83s Waktu respons (maks) 817.57s Jawaban salah: 5 Kesalahan API: 2 Tidak mengikuti instruksi: 1 Pemanggilan alat tidak valid: 1 Tidak ada jawaban: 1 Trik anti-AI : 10.0 Pemrograman : 7.7 Gabungan : 3.0 Parsing dan ekstraksi data : 10.0 Spesifik domain : 2.9 Kecerdasan umum : 4.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 8.0 Pemanggilan alat : 3.0 Pengetahuan umum : 3.0
#149#149	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Lihat kartu model Total Tes 22 Tes Salah 11 Keandalan 10.0 Tingkat lulus per percobaan 53.0% Tes tidak stabil 2 Token input 102,655 Token output 29,370 Token penalaran 0 Waktu respons (rata-rata) 9.86s Waktu respons (total) 157.77s Waktu respons (maks) 123.00s Jawaban salah: 11 Trik anti-AI : 4.8 Pemrograman : 4.3 Gabungan : 6.5 Parsing dan ekstraksi data : 10.0 Spesifik domain : 7.7 Kecerdasan umum : 4.4 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0
#150#150	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Lihat kartu model Total Tes 22 Tes Salah 12 Keandalan 10.0 Tingkat lulus per percobaan 60.6% Tes tidak stabil 7 Token input 106,176 Token output 33,013 Token penalaran 239,560 Waktu respons (rata-rata) 106.06s Waktu respons (total) 2333.36s Waktu respons (maks) 1085.11s Jawaban salah: 5 Tidak ada jawaban: 3 Pemanggilan alat tidak valid: 2 Format tambahan: 1 Tidak mengikuti instruksi: 1 Trik anti-AI : 8.3 Pemrograman : 7.7 Gabungan : 6.7 Parsing dan ekstraksi data : 3.5 Spesifik domain : 2.9 Kecerdasan umum : 6.5 Kepatuhan instruksi : 10.0 Pemecahan teka-teki : 7.7 Pemanggilan alat : 10.0 Pengetahuan umum : 3.0

Perbandingan Cepat

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Leaderboard AI Benchy

Model rekomendasi

Filter model

Perbandingan Cepat