Navigasi
AI BENCHY
Your ad here

AI BENCHY Compare

Model yang Dibandingkan

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-21

Metrik GPT-5.4 Nano GPT-5.4 Nano medium Rilis: 2026-03-17 GPT-5.4 Mini GPT-5.4 Mini medium Rilis: 2026-03-17 Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium Rilis: 2026-03-03 Gemini 3 Flash Preview Gemini 3 Flash Preview medium Rilis: 2025-12-17
Skor 7.4 7.1 8.1 10.0
Peringkat #30 #36 #14 #1
Konsistensi 9.0 7.2 10.0 10.0
Tes benar
Tingkat lulus per percobaan 66.7% 68.6% 70.6% 100.0%
Tes tidak stabil 2 6 0 0
Total Run 51 51 51 51
Biaya per hasil 0.769 3.610 0.413 0.972
Total Biaya $0.077 $0.289 $0.050 $0.166
Harga input $0.200 / 1M $0.750 / 1M $0.250 / 1M $0.500 / 1M
Harga output $1.250 / 1M $4.500 / 1M $1.500 / 1M $3.000 / 1M
Token output 2,474 1,708 1,737 1,640
Token penalaran 54,516 58,019 26,346 48,270
Waktu respons (rata-rata) 11.08s 15.66s 3.70s 11.39s
Waktu respons (maks) 94.06s 102.91s 14.93s 50.16s
Waktu respons (total) 188.39s 266.14s 62.97s 113.86s

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 output Token penalaran
GPT-5.4 Nano 8.3 10.0 75.0% 0 4.52s 683 2,254
GPT-5.4 Mini 8.6 7.9 91.7% 1 4.05s 296 2,876
Gemini 3.1 Flash Lite Preview 9.1 10.0 75.0% 0 2.33s 570 4,305
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.13s 305 3,490
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 9.8 10.0 100.0% 0 24.13s 349 5,719
GPT-5.4 Mini 10.0 10.0 100.0% 0 17.81s 317 4,317
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 14.93s 327 7,347
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 50.16s 351 12,645
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 10.0 10.0 100.0% 0 2.54s 234 516
GPT-5.4 Mini 10.0 10.0 100.0% 0 2.43s 234 650
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 2.29s 279 2,952
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.72s 279 5,333
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 5.9 7.2 55.6% 1 38.18s 60 43,325
GPT-5.4 Mini 4.1 4.4 44.5% 2 65.31s 60 43,286
Gemini 3.1 Flash Lite Preview 3.0 10.0 0.0% 0 4.21s 18 5,325
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 21.12s 12 14,908
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 4.5 10.0 0.0% 0 4.15s 179 443
GPT-5.4 Mini 4.5 10.0 0.0% 0 3.72s 150 510
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.16s 96 1,488
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.09s 111 1,285
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 9.8 10.0 100.0% 0 1.88s 95 521
GPT-5.4 Mini 7.4 6.5 66.7% 1 2.50s 129 1,337
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 1.91s 72 2,121
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 6.10s 72 4,558
Puzzle Solving Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 4.0 7.1 22.2% 1 3.65s 640 1,356
GPT-5.4 Mini 6.8 7.9 55.6% 1 4.33s 271 2,449
Gemini 3.1 Flash Lite Preview 7.7 10.0 66.7% 0 3.58s 141 1,896
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.43s 276 4,921
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
GPT-5.4 Nano 10.0 10.0 100.0% 0 7.71s 234 382
GPT-5.4 Mini 4.7 1.6 66.7% 1 9.62s 251 2,594
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.80s 234 912
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 10.55s 234 1,130

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Sonnet 4.6nonevsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 ChatnoneGPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15noneGPT-5.4 MinimediumvsGLM 5noneGemini 3.1 Flash Lite PreviewnonevsGPT-5.4 NanomediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewnonevsGPT-5.4 NanomediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4 NanomediumGPT-5.4 NanomediumvsQwen3.5 Plus 2026-02-15noneGPT-5.4 MinimediumvsMiMo-V2-OmninoneGPT-5.4 NanomediumvsGLM 5none