Skor rata-rata hampir imbang di 8.0 vs 8.0. Qwen3.8 Flash Next (low) memiliki biaya benchmark lebih rendah di ~$0.045 vs $0.118. GPT-5.6 Luna (high) lebih cepat di 18.39s vs 23.66s, dengan tingkat keberhasilan 71.0% vs 79.7%.
Benchmark dihasilkan dari suite pengujian AI BENCHY pada:
2026-10-05
Model yang Dibandingkan
Peringkat
#92
Total token output
139,395
Waktu respons (rata-rata)
18.39s
Total Biaya
$0.118
Jawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
Peringkat
#96
Total token output
135,295
Waktu respons (rata-rata)
23.66s
Total Biaya
~$0.045Perkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.4535 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.044834.
Model yang direkomendasikanQwen3.8 Flash Next (low)
It has the best score here (8.0), while costing about 2.6x less than GPT-5.6 Luna (high).
Qwen3.8 Flash NextQwen3.8 Flash NextlowJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.Rilis: 2026-10-04
Qwen3.8 Flash NextQwen3.8 Flash NextlowJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.Rilis: 2026-10-04
Skor
8.0Skor rata-rata di semua tes benchmark.…
8.0Skor rata-rata di semua tes benchmark.…
Peringkat
#92
#96
Keandalan
10.0Skor sukses percobaan pertama: 10.0 berarti tidak ada kegagalan API target atau batas laju yang dapat dicoba ulang sebelum panggilan berhasil; kegagalan yang tercatat menurunkan skor.…
10.0Skor sukses percobaan pertama: 10.0 berarti tidak ada kegagalan API target atau batas laju yang dapat dicoba ulang sebelum panggilan berhasil; kegagalan yang tercatat menurunkan skor.…
Konsistensi
8.6Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
8.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
Percobaan
69/69
69/69
Tes benar
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 8Waktu respons (rata-rata)18.39sWaktu respons (maks)111.09sWaktu respons (total)422.93sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
71.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
79.7%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
Tes tidak stabil
4Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
6Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Total Run
69Total Run…
69Total Run…
Biaya per hasil
5.882
~0.299Perkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.4535 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.044834.
Total Biaya
$0.118
~$0.045Perkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.4535 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.044834.
Harga input
$0.200 / 1MHarga input…
T/AHarga input…
Harga output
$1.200 / 1MHarga output…
T/AHarga output…
Harga baca cache
$0.020 / 1MHarga baca cache…
T/AHarga baca cache…
Harga tulis cache
$0.250 / 1MHarga tulis cache…
T/AHarga tulis cache…
Total token input
197,896Total token input…
342,163Total token input…
Token output
6,211Token output…
1,518Token output…
Token penalaran
133,184Token penalaran…
133,777Token penalaran…
Waktu respons (rata-rata)
18.39sWaktu respons (rata-rata)…
23.66sWaktu respons (rata-rata)…
Waktu respons (maks)
111.09sWaktu respons (maks)…
166.72sWaktu respons (maks)…
Waktu respons (total)
422.93sWaktu respons (total)…
544.16sWaktu respons (total)…
Parameter
~400B total (~17B aktif)
180B total (6B aktif)
Ketersediaan
Tertutup
Bobot tersedia
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.
#92 GPT-5.6 Luna
high
Biaya
$0.033
Waktu
34.2s
Token
5,484 tok
#96 Qwen3.8 Flash Next
lowJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
Biaya
~$0.002Perkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.0131 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.001295.
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)60.15sWaktu respons (maks)60.15sWaktu respons (total)60.15sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
60.15sWaktu respons (rata-rata)…
116,969Total token input…
1,123Token output…
2,957Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
6.1Skor rata-rata di semua tes benchmark.…
3.1Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
66.7%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)137.50sWaktu respons (maks)137.50sWaktu respons (total)137.50sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
75.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)2.99sWaktu respons (maks)4.94sWaktu respons (total)11.95sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
2.99sWaktu respons (rata-rata)…
606Total token input…
162Token output…
1,265Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
10.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)2.03sWaktu respons (maks)2.72sWaktu respons (total)8.13sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
4.7Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
55.6%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
2Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)15.63sWaktu respons (maks)32.41sWaktu respons (total)46.88sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
15.63sWaktu respons (rata-rata)…
7,302Total token input…
510Token output…
17,746Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
10.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)29.46sWaktu respons (maks)49.90sWaktu respons (total)88.39sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)19.05sWaktu respons (maks)24.81sWaktu respons (total)38.10sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
19.05sWaktu respons (rata-rata)…
57,719Total token input…
3,366Token output…
8,005Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
6.9Skor rata-rata di semua tes benchmark.…
5.9Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
66.7%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Pemanggilan alat tidak valid: 1Waktu respons (rata-rata)98.91sWaktu respons (maks)166.72sWaktu respons (total)197.82sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)2.18sWaktu respons (maks)2.64sWaktu respons (total)4.36sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
2.18sWaktu respons (rata-rata)…
7,140Total token input…
234Token output…
470Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
10.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)6.20sWaktu respons (maks)6.23sWaktu respons (total)12.40sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
7.2Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
44.4%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 2Waktu respons (rata-rata)62.87sWaktu respons (maks)111.09sWaktu respons (total)188.61sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
62.87sWaktu respons (rata-rata)…
732Total token input…
69Token output…
75,712Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
4.1Skor rata-rata di semua tes benchmark.…
4.4Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
44.5%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
2Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 3Waktu respons (rata-rata)23.34sWaktu respons (maks)42.75sWaktu respons (total)70.03sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
0.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)3.65sWaktu respons (maks)3.65sWaktu respons (total)3.65sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
3.65sWaktu respons (rata-rata)…
477Total token input…
117Token output…
563Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
4.7Skor rata-rata di semua tes benchmark.…
3.1Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
33.3%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)5.00sWaktu respons (maks)5.00sWaktu respons (total)5.00sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)1.79sWaktu respons (maks)1.96sWaktu respons (total)3.58sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
1.79sWaktu respons (rata-rata)…
660Total token input…
97Token output…
481Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
9.8Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)2.32sWaktu respons (maks)3.23sWaktu respons (total)4.64sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
7.2Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
77.8%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)14.55sWaktu respons (maks)38.14sWaktu respons (total)43.66sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
14.55sWaktu respons (rata-rata)…
642Total token input…
242Token output…
18,281Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
8.7Skor rata-rata di semua tes benchmark.…
7.8Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
88.9%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
1Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak mengikuti instruksi: 1Waktu respons (rata-rata)1.72sWaktu respons (maks)2.26sWaktu respons (total)5.15sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)4.98sWaktu respons (maks)4.98sWaktu respons (total)4.98sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
4.98sWaktu respons (rata-rata)…
5,454Total token input…
260Token output…
324Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
10.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
100.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Tidak ada jawaban gagal.Waktu respons (rata-rata)5.85sWaktu respons (maks)5.85sWaktu respons (total)5.85sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
0.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)17.00sWaktu respons (maks)17.00sWaktu respons (total)17.00sTes dianggap lulus penuh hanya jika semua run-nya lulus.…
17.00sWaktu respons (rata-rata)…
195Total token input…
31Token output…
7,380Token penalaran…
Qwen3.8 Flash NextJawaban model kandidat dibuat di perangkat keras lokal. OpenRouter hanya digunakan untuk penilaian. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
3.0Skor rata-rata di semua tes benchmark.…
10.0Skor konsistensi mencerminkan kestabilan antar run (10 = sangat konsisten, bahkan jika konsisten salah).…
0.0%Tingkat lulus per percobaan = percobaan lulus / total percobaan di semua run.…
0Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).…
Tes dianggap lulus penuh hanya jika semua run-nya lulus.Jawaban salah: 1Waktu respons (rata-rata)9.26sWaktu respons (maks)9.26sWaktu respons (total)9.26sTes dianggap lulus penuh hanya jika semua run-nya lulus.…