Model yang Dibandingkan

Perbandingan benchmark Minimax M3.1 Flash (high) vs DeepSeek V4.1 Flash 1017 (high) vs GPT-5.6 Sol (high) vs Claude Opus 5 (high): GPT-5.6 Sol (high) unggul pada Skor dengan 9.5. Minimax M3.1 Flash (high) unggul pada Keandalan dengan 10.0. Minimax M3.1 Flash (high) memiliki Total Biaya terendah di $0.000. GPT-5.6 Sol (high) paling cepat di 13.59s.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-10-19

Model yang Dibandingkan

Peringkat: #228
Total token output: 279,438
Waktu respons (rata-rata): 34.00s
Total Biaya: $0.000

Peringkat: #126
Total token output: 911,334
Waktu respons (rata-rata): 58.56s
Total Biaya: $0.589

Peringkat: #22
Total token output: 32,071
Waktu respons (rata-rata): 13.59s
Total Biaya: $1.595

Peringkat: #27
Total token output: 105,662
Waktu respons (rata-rata): 25.31s
Total Biaya: $4.524

Model yang direkomendasikan GPT-5.6 Sol (high)

It has the best score here (9.5), while costing about 1.6x less than model lain dalam perbandingan ini.

Perbandingan terperinci

Metrik	Minimax M3.1 Flash Minimax M3.1 Flash high Rilis: 2026-10-19 Tersedia gratis	DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 high Rilis: 2026-10-18	GPT-5.6 Sol GPT-5.6 Sol high Rilis: 2026-07-09	Claude Opus 5 Claude Opus 5 high Rilis: 2026-07-25

Metrik	Minimax M3.1 Flash Minimax M3.1 Flash high Rilis: 2026-10-19 Tersedia gratis	DeepSeek V4.1 Flash 1017 DeepSeek V4.1 Flash 1017 high Rilis: 2026-10-18	GPT-5.6 Sol GPT-5.6 Sol high Rilis: 2026-07-09	Claude Opus 5 Claude Opus 5 high Rilis: 2026-07-25
Skor	6.5	7.8	9.5	9.4
Peringkat	#228	#126	#22	#27
Keandalan	10.0	10.0	10.0	10.0
Konsistensi	7.2	7.8	8.9	10.0
Percobaan	69/69	69/69	69/69	69/69
Tes benar
Tingkat lulus per percobaan	56.5%	71.0%	89.9%	82.6%
Tes tidak stabil	8	6	3	0
Total Run	69	69	69	69
Biaya per hasil	0.000	4.530	8.020	23.809
Total Biaya	$0.000	$0.589	$1.595	$4.524
Harga input	$0.000 / 1M	$0.150 / 1M	$2.000 / 1M	$5.000 / 1M
Harga output	$0.000 / 1M	$0.600 / 1M	$10.000 / 1M	$25.000 / 1M
Harga baca cache	T/A	$0.003 / 1M	$0.200 / 1M	$0.500 / 1M
Harga tulis cache	T/A	T/A	$2.500 / 1M	$6.250 / 1M
Total token input	357,984	279,873	195,567	376,421
Token output	70,004	7,049	5,841	67,688
Token penalaran	209,434	904,285	26,230	37,974
Waktu respons (rata-rata)	34.00s	58.56s	13.59s	25.31s
Waktu respons (maks)	280.72s	440.77s	59.99s	159.01s
Waktu respons (total)	781.92s	1346.87s	312.61s	582.11s
Parameter	-	~748B total (~16B aktif)	~2T total (~150B aktif)	~5T total (~500B aktif)
Ketersediaan	Tertutup	Sumber terbuka	Tertutup	Tertutup

Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.

Showcase generasi model

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#228 Minimax M3.1 Flash

high

Biaya: $0.000
Waktu: 75.4s
Token: 9,436 tok

#126 DeepSeek V4.1 Flash 1017

high

Biaya: $0.004
Waktu: 27.2s
Token: 7,593 tok

#22 GPT-5.6 Sol

high

Biaya: $0.151
Waktu: 201.9s
Token: 5,100 tok

#27 Claude Opus 5

high

Biaya: $0.265
Waktu: 144.5s
Token: 10,741 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Tugas agen	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	6.1	3.1	66.7%	1	70.45s	201,388	2,187	15,284
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0	43.53s	144,680	1,907	4,293
GPT-5.6 Sol	10.0	10.0	100.0%	0	59.99s	116,309	986	2,377
Claude Opus 5	10.0	10.0	100.0%	0	86.99s	240,465	3,064	7,015

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	6.4	7.9	58.3%	1	2.71s	2,838	154	2,428
DeepSeek V4.1 Flash 1017	8.3	10.0	75.0%	0	2.10s	627	137	2,440
GPT-5.6 Sol	8.7	7.9	91.7%	1	3.39s	606	171	644
Claude Opus 5	10.0	10.0	100.0%	0	5.91s	834	2,063	617

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	5.6	4.7	55.6%	2	36.78s	9,024	60,602	13,024
DeepSeek V4.1 Flash 1017	4.5	1.4	66.7%	3	196.67s	7,434	217	446,179
GPT-5.6 Sol	10.0	10.0	100.0%	0	12.52s	7,302	404	5,656
Claude Opus 5	10.0	10.0	100.0%	0	12.73s	10,590	7,547	1,721

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	10.0	10.0	100.0%	34.77s	124,090	6,299	25,610
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	37.28s	107,806	3,862	41,936
GPT-5.6 Sol	10.0	10.0	100.0%	24.99s	56,154	3,298	4,866
Claude Opus 5	10.0	10.0	100.0%	31.11s	98,549	10,546	2,198

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	6.5	10.0	50.0%	1.00s	2,802	111	224
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	2.20s	7,446	207	1,450
GPT-5.6 Sol	10.0	10.0	100.0%	1.16s	7,140	222	0
Claude Opus 5	10.0	10.0	100.0%	4.22s	10,503	488	160

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	5.9	7.2	55.6%	1	134.49s	2,400	17	119,910
DeepSeek V4.1 Flash 1017	3.5	4.4	33.3%	2	186.02s	909	11	382,250
GPT-5.6 Sol	5.3	7.2	44.4%	1	37.67s	628	62	10,365
Claude Opus 5	3.0	10.0	0.0%	0	104.24s	972	40,623	24,923

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	4.6	9.8	0.0%	5.16s	1,032	88	1,122
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	2.02s	549	120	570
GPT-5.6 Sol	10.0	10.0	100.0%	4.40s	477	97	238
Claude Opus 5	10.0	10.0	100.0%	3.79s	708	268	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	5.3	2.6	50.0%	2	1.65s	1,779	60	610
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	0	1.12s	708	69	866
GPT-5.6 Sol	10.0	10.0	100.0%	0	2.73s	660	96	331
Claude Opus 5	10.0	10.0	100.0%	0	4.78s	909	119	361

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	6.0	7.1	55.6%	1	3.48s	2,313	166	2,004
DeepSeek V4.1 Flash 1017	5.5	7.4	44.4%	1	5.70s	828	235	7,784
GPT-5.6 Sol	10.0	10.0	100.0%	0	4.10s	642	211	675
Claude Opus 5	10.0	10.0	100.0%	0	4.66s	894	908	524

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	10.0	10.0	100.0%	3.38s	9,565	306	76
DeepSeek V4.1 Flash 1017	10.0	10.0	100.0%	2.28s	8,625	267	305
GPT-5.6 Sol	10.0	10.0	100.0%	7.08s	5,454	264	393
Claude Opus 5	10.0	10.0	100.0%	8.44s	11,739	354	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Minimax M3.1 Flash	3.0	10.0	0.0%	0	93.01s	753	14	29,142
DeepSeek V4.1 Flash 1017	3.0	10.0	0.0%	0	44.26s	261	17	16,212
GPT-5.6 Sol	4.7	1.6	66.7%	1	6.97s	195	30	685
Claude Opus 5	3.0	10.0	0.0%	0	14.14s	258	1,708	455

Ganti Pasangan Perbandingan

Minimax M3.1 FlashhighTersedia gratisvsQwen3.6 35B A3Bmedium DeepSeek V4.1 Flash 1017highvsMuse Wondermax Claude Sonnet 5.5mediumvsMinimax M3.1 FlashhighTersedia gratis Claude Opus 5highvsGemini 3.7 Flashlow DeepSeek V4.1 Flash 1017highvsMiMo-V2.6-Flashmedium DeepSeek V4.1 Flash 1017highvsGrok 4.5medium Minimax M3.1 FlashhighTersedia gratisvsBeam 1.0 501B A23Bxhigh DeepSeek V4.1 Flash 1017highvsGemini 3.5 Flashmedium Minimax M3.1 FlashhighTersedia gratisvsGLM 5.3low DeepSeek V4.1 Flash 1017highvsStep 3.7 Flashmedium KAT-Coder-Pro V2.5lowvsMinimax M3.1 FlashhighTersedia gratis Gemini 3.7 FlashmediumvsGPT-5.6 Solhigh

Model yang Dibandingkan