Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Model yang Dibandingkan

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-04

Metrik GPT-5.2 Chat GPT-5.2 Chat none Rilis: 2025-12-11 GPT-5.3 Chat GPT-5.3 Chat none Rilis: 2026-03-03 Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview low Rilis: 2026-03-03
Skor 7.9 7.2 7.4
Peringkat #24 #63 #50
Keandalan 10.0 10.0 10.0
Konsistensi 8.9 8.1 10.0
Tes benar
Tingkat lulus per percobaan 74.6% 66.7% 61.9%
Tes tidak stabil 3 5 0
Total Run 63 63 63
Biaya per hasil 2.803 3.605 0.196
Total Biaya $0.393 $0.433 $0.026
Harga input $1.750 / 1M $1.750 / 1M $0.250 / 1M
Harga output $14.000 / 1M $14.000 / 1M $1.500 / 1M
Total token input 34,212 34,209 32,715
Token output 23,744 26,617 2,286
Token penalaran 0 0 9,166
Waktu respons (rata-rata) 7.13s 6.34s 2.77s
Waktu respons (maks) 38.52s 18.33s 11.91s
Waktu respons (total) 149.69s 133.13s 58.12s

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

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 606 1,807 0
GPT-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 0
Gemini 3.1 Flash Lite Preview 8.3 10.0 75.0% 0 2.12s 506 462 1,638
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 8.8 7.8 88.9% 1 9.82s 7,305 6,731 0
GPT-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 0
Gemini 3.1 Flash Lite Preview 5.5 10.0 33.3% 0 1.39s 8,138 660 1,060
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 11,019 1,243 0
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 0
Gemini 3.1 Flash Lite Preview 3.0 10.0 0.0% 0 11.91s 8,381 225 762
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 7,140 980 0
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 0
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.00s 7,455 291 696
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 723 7,810 0
GPT-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 0
Gemini 3.1 Flash Lite Preview 5.3 10.0 33.3% 0 2.36s 641 18 1,212
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 477 335 0
GPT-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 0
Gemini 3.1 Flash Lite Preview 4.0 10.0 0.0% 0 1.54s 490 69 384
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 660 1,441 0
GPT-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 0
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 1.49s 621 72 753
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 642 1,603 0
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 0
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 1.69s 566 243 1,248
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 5,445 555 0
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 0
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 9.54s 5,757 237 993
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 195 1,239 0
GPT-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0
Gemini 3.1 Flash Lite Preview 3.0 10.0 0.0% 0 1.35s 160 9 420

Perbandingan Cepat

Ganti Pasangan Perbandingan

Gemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGPT-5.2 ChatnonevsQwen3.5 Plus 2026-02-15mediumGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGemini 3.1 Flash Lite PreviewlowvsMimo V2 PROmediumGemini 3.1 Flash Lite PreviewlowvsGrok Build 0.1mediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsGPT-5.3 ChatnoneKimi K2.6mediumTersedia gratisvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsQwen3.6 35B A3BmediumGPT-5.3 ChatnonevsGLM 5V TurbomediumClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowGPT-5.2 ChatnonevsGLM 5 Turbomedium