Navigasi
AI BENCHY
Your ad here

AI BENCHY Compare

Model yang Dibandingkan

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-04-29

Metrik Grok 4.20 Beta Grok 4.20 Beta medium Rilis: 2026-03-12 Grok 4.20 Multi Agent Beta Grok 4.20 Multi Agent Beta medium Rilis: 2026-03-12 Grok 4.1 Fast Grok 4.1 Fast medium Rilis: 2025-11-19 Gemini 3 Flash Preview Gemini 3 Flash Preview medium Rilis: 2025-12-17
Skor 8.0 6.4 6.7 10.0
Peringkat #35 #72 #68 #1
Keandalan T/A T/A T/A T/A
Konsistensi 9.1 7.4 7.2 10.0
Tes benar
Tingkat lulus per percobaan 74.1% 57.4% 64.8% 100.0%
Tes tidak stabil 2 6 6 0
Total Run 52 52 54 18
Biaya per hasil 5.269 72.473 0.613 0.600
Total Biaya $0.633 $5.074 $0.056 $0.108
Harga input $0.000 / 1M $0.000 / 1M $0.200 / 1M $0.500 / 1M
Harga output $0.000 / 1M $0.000 / 1M $0.500 / 1M $3.000 / 1M
Token output 1,568 299,034 2,010 655
Token penalaran 91,909 309,670 91,298 33,749
Waktu respons (rata-rata) 9.81s 9.80s 23.88s 12.11s
Waktu respons (maks) 31.36s 35.28s 121.79s 82.37s
Waktu respons (total) 176.62s 156.75s 262.66s 217.93s

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
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 268 7,583
Grok 4.20 Multi Agent Beta 6.9 5.8 75.0% 2 3.46s 33,706 33,077
Grok 4.1 Fast 8.7 7.9 91.7% 1 3.81s 108 4,741
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 3.26s 110 1,076
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 10.0 10.0 100.0% 0 31.36s 81 3,987
Grok 4.20 Multi Agent Beta 10.0 10.0 100.0% 0 27.11s 86 13,141
Grok 4.1 Fast 2.3 1.1 33.3% 1 23.58s 821 6,703
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 82.37s 144 16,257
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
Grok 4.20 Multi Agent Beta 3.0 10.0 0.0% 0 0ms 0 0
Grok 4.1 Fast 10.0 10.0 100.0% 0 37.64s 261 12,272
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 23.58s 117 3,495
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 180 5,281
Grok 4.20 Multi Agent Beta 10.0 10.0 100.0% 0 5.54s 25,306 25,051
Grok 4.1 Fast 10.0 10.0 100.0% 0 6.63s 180 5,409
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 7.62s 93 2,197
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 251 40,255
Grok 4.20 Multi Agent Beta 2.9 7.2 11.1% 1 24.67s 164,609 163,647
Grok 4.1 Fast 5.8 4.4 66.7% 2 121.79s 11 37,657
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 14.81s 4 7,228
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Grok 4.20 Multi Agent Beta 5.8 2.8 66.7% 1 6.40s 15,848 15,746
Grok 4.1 Fast 4.2 9.9 0.0% 0 16.25s 127 3,456
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 6.34s 24 635
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 8.3 10.0 50.0% 0 4.97s 57 7,107
Grok 4.20 Multi Agent Beta 8.3 10.0 50.0% 0 4.63s 25,457 25,322
Grok 4.1 Fast 6.6 10.0 50.0% 0 5.30s 55 3,489
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.30s 24 903
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 8.2 7.2 88.9% 1 3.85s 249 6,660
Grok 4.20 Multi Agent Beta 7.2 5.1 77.8% 2 5.01s 34,022 33,686
Grok 4.1 Fast 5.3 7.2 44.4% 1 8.08s 187 6,086
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.86s 61 1,455
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 183 5,384
Grok 4.20 Multi Agent Beta 3.0 10.0 0.0% 0 0ms 0 0
Grok 4.1 Fast 2.8 1.6 33.3% 1 27.71s 260 11,485
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 9.78s 78 503

Perbandingan Cepat

Ganti Pasangan Perbandingan

Grok 4.1 FastmediumvsGLM 5noneGPT-5.5nonevsGrok 4.1 FastmediumQwen3.5 Plus 2026-02-15nonevsGrok 4.1 FastmediumGrok 4.1 FastmediumvsMiMo-V2-OmninoneGemma 4 31BnoneTersedia gratisvsGrok 4.1 FastmediumDeepSeek V4 ProhighvsGrok 4.1 FastmediumGrok 4.1 FastmediumvsGLM 5V TurbononeQwen3.5-FlashnonevsGrok 4.1 FastmediumGemma 4 26B A4BnoneTersedia gratisvsGrok 4.1 FastmediumSeed-2.0-LitenonevsGrok 4.1 FastmediumGemini 2.5 FlashnonevsGrok 4.1 FastmediumQwen3.5-35B-A3BnonevsGrok 4.1 Fastmedium