AI Benchy Leaderboard

Name: AI BENCHY modelbenchmarkresultaten
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-09-02 Geëvalueerde modellen: 305

Aanbevolen modellen

GPT-5.6 Sol high Intelligent Slaagpercentage per poging 89.4% Correcte tests 18 / 22 Score 9.4/10 GPT-5.6 Luna medium Snel Responstijd (gem.) 7.43s Totaal aantal uitvoer-tokens 44,525 Score 7.4/10 DeepSeek V4 Flash 0731 high Betaalbaar Invoerprijs $0.065 / 1M Uitvoerprijs $0.180 / 1M Score 8.0/10

305/305

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#50#50	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 75.8% Instabiele tests 3 Invoer-tokens 145,953 Uitvoer-tokens 52,330 Redeneer-tokens 10,874 Responstijd (gem.) 12.54s Responstijd (totaal) 275.90s Responstijd (max) 66.71s Verkeerd antwoord: 5 Instructies niet gevolgd: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 9.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 4.8 Instructies opvolgen : 9.9 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#42#42	Grok 4.5low	8.4	X AI	$0.945	16.17s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 77.3% Instabiele tests 2 Invoer-tokens 125,605 Uitvoer-tokens 7,505 Redeneer-tokens 107,984 Responstijd (gem.) 16.17s Responstijd (totaal) 355.67s Responstijd (max) 205.28s Verkeerd antwoord: 6 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 6.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#90#90	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 75.8% Instabiele tests 6 Invoer-tokens 111,644 Uitvoer-tokens 16,113 Redeneer-tokens 598,796 Responstijd (gem.) 113.28s Responstijd (totaal) 2492.26s Responstijd (max) 1026.43s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Extra opmaak: 1 Ongeldige toolaanroep: 1 Time-out: 1 Anti-AI-trucs : 8.7 Programmeren : 6.2 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 6.1 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#23#23	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Modelkaart bekijken Totaal tests 22 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 4 Invoer-tokens 81,187 Uitvoer-tokens 6,258 Redeneer-tokens 54,116 Responstijd (gem.) 16.91s Responstijd (totaal) 372.03s Responstijd (max) 100.93s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Anti-AI-trucs : 8.7 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 4.6 Instructies opvolgen : 10.0 Puzzeloplossing : 9.0 Toolaanroepen : 10.0 Algemene kennis : 2.8
#159#159	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.6% Instabiele tests 7 Invoer-tokens 106,176 Uitvoer-tokens 33,013 Redeneer-tokens 239,560 Responstijd (gem.) 106.06s Responstijd (totaal) 2333.36s Responstijd (max) 1085.11s Verkeerd antwoord: 5 Geen antwoord: 3 Ongeldige toolaanroep: 2 Extra opmaak: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 8.3 Programmeren : 7.7 Gecombineerd : 6.7 Gegevensparsering en extractie : 3.5 Domeinspecifiek : 2.9 Algemene intelligentie : 6.5 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#54#54	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 77.3% Instabiele tests 3 Invoer-tokens 86,755 Uitvoer-tokens 6,057 Redeneer-tokens 230,570 Responstijd (gem.) 62.57s Responstijd (totaal) 1376.46s Responstijd (max) 327.51s Verkeerd antwoord: 4 Ongeldige toolaanroep: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 8.5 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 6.9 Toolaanroepen : 3.0 Algemene kennis : 3.0
#133#133	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 3 Invoer-tokens 13,852 Uitvoer-tokens 119,100 Redeneer-tokens 0 Responstijd (gem.) 10.18s Responstijd (totaal) 183.29s Responstijd (max) 64.36s API-fout: 4 Verkeerd antwoord: 4 Anti-AI-trucs : 10.0 Programmeren : 8.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 3.0 Algemene kennis : 2.8
#28#28	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 1 Invoer-tokens 134,770 Uitvoer-tokens 13,604 Redeneer-tokens 4,388 Responstijd (gem.) 6.99s Responstijd (totaal) 153.80s Responstijd (max) 30.67s Verkeerd antwoord: 4 Anti-AI-trucs : 10.0 Programmeren : 7.8 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#93#93	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.6% Instabiele tests 1 Invoer-tokens 106,946 Uitvoer-tokens 7,993 Redeneer-tokens 503,413 Responstijd (gem.) 54.50s Responstijd (totaal) 1199.07s Responstijd (max) 252.69s Verkeerd antwoord: 6 Extra opmaak: 3 Anti-AI-trucs : 8.3 Programmeren : 5.7 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 4.4 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#36#36	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 2 Invoer-tokens 79,249 Uitvoer-tokens 5,097 Redeneer-tokens 165,276 Responstijd (gem.) 66.52s Responstijd (totaal) 1463.50s Responstijd (max) 238.07s Verkeerd antwoord: 4 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 8.8 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#177#177	Qwen3.5-35B-A3Bmedium	6.1	Qwen	$1.140 ↑	110.84s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 6 Invoer-tokens 130,450 Uitvoer-tokens 54,857 Redeneer-tokens 838,606 Responstijd (gem.) 110.84s Responstijd (totaal) 2438.58s Responstijd (max) 950.25s Time-out: 4 Geen antwoord: 3 Verkeerd antwoord: 2 API-fout: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 5.9 Gecombineerd : 3.8 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 3.5 Algemene intelligentie : 2.8 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 3.0
#136#136	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Modelkaart bekijken Totaal tests 22 Foute tests 12 Betrouwbaarheid 7.3 Slaagpercentage per poging 63.6% Instabiele tests 7 Invoer-tokens 76,036 Uitvoer-tokens 7,267 Redeneer-tokens 364,176 Responstijd (gem.) 101.05s Responstijd (totaal) 2223.19s Responstijd (max) 626.58s API-fout: 6 Verkeerd antwoord: 4 Extra opmaak: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 6.9 Programmeren : 8.9 Gecombineerd : 4.7 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 4.8 Instructies opvolgen : 9.8 Puzzeloplossing : 8.2 Toolaanroepen : 4.7 Algemene kennis : 3.0
#17#17	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.4% Instabiele tests 3 Invoer-tokens 106,029 Uitvoer-tokens 5,748 Redeneer-tokens 220,354 Responstijd (gem.) 44.32s Responstijd (totaal) 975.11s Responstijd (max) 556.06s Verkeerd antwoord: 4 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 4.1 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#109#109	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 2 Invoer-tokens 149,203 Uitvoer-tokens 16,797 Redeneer-tokens 0 Responstijd (gem.) 4.92s Responstijd (totaal) 108.24s Responstijd (max) 35.03s Verkeerd antwoord: 4 Extra opmaak: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 6.5 Programmeren : 5.5 Gecombineerd : 9.8 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#43#43	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 72.7% Instabiele tests 4 Invoer-tokens 105,013 Uitvoer-tokens 9,914 Redeneer-tokens 61,338 Responstijd (gem.) 28.51s Responstijd (totaal) 456.13s Responstijd (max) 116.86s Instructies niet gevolgd: 3 Verkeerd antwoord: 3 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 6.5 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.9 Algemene intelligentie : 3.7 Instructies opvolgen : 9.9 Puzzeloplossing : 7.5 Toolaanroepen : 4.7 Algemene kennis : 3.0
#58#58	GLM 5.2high	8.0	Z.ai	$1.188 ↑	69.86s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 3 Invoer-tokens 83,822 Uitvoer-tokens 72,040 Redeneer-tokens 292,615 Responstijd (gem.) 69.86s Responstijd (totaal) 1536.98s Responstijd (max) 599.43s Time-out: 3 Geen antwoord: 2 Verkeerd antwoord: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 6.4 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.1 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#116#116	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 71.2% Instabiele tests 4 Invoer-tokens 124,780 Uitvoer-tokens 47,694 Redeneer-tokens 439,825 Responstijd (gem.) 65.67s Responstijd (totaal) 1444.68s Responstijd (max) 519.30s Verkeerd antwoord: 5 Time-out: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 6.0 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 3.4 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#135#135	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.6% Instabiele tests 4 Invoer-tokens 98,700 Uitvoer-tokens 1,050,900 Redeneer-tokens 0 Responstijd (gem.) 70.10s Responstijd (totaal) 1542.14s Responstijd (max) 364.99s Verkeerd antwoord: 7 Geen antwoord: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 4.0 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 5.5 Instructies opvolgen : 9.8 Puzzeloplossing : 5.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#110#110	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 4 Invoer-tokens 68,913 Uitvoer-tokens 64,654 Redeneer-tokens 282,865 Responstijd (gem.) 115.89s Responstijd (totaal) 2433.66s Responstijd (max) 876.20s Time-out: 3 Verkeerd antwoord: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 7.0 Programmeren : 5.7 Gecombineerd : 6.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#10#10	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Modelkaart bekijken Totaal tests 22 Foute tests 3 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.4% Instabiele tests 0 Invoer-tokens 80,067 Uitvoer-tokens 5,378 Redeneer-tokens 23,162 Responstijd (gem.) 10.15s Responstijd (totaal) 223.24s Responstijd (max) 56.19s Verkeerd antwoord: 3 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 9.9 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#132#132	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 8.6 Slaagpercentage per poging 63.6% Instabiele tests 5 Invoer-tokens 81,970 Uitvoer-tokens 7,186 Redeneer-tokens 403,389 Responstijd (gem.) 124.18s Responstijd (totaal) 2732.03s Responstijd (max) 675.30s API-fout: 5 Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 8.3 Programmeren : 6.2 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 4.6 Instructies opvolgen : 9.8 Puzzeloplossing : 7.8 Toolaanroepen : 4.7 Algemene kennis : 3.0
#33#33	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 74.2% Instabiele tests 4 Invoer-tokens 123,680 Uitvoer-tokens 7,222 Redeneer-tokens 271,442 Responstijd (gem.) 19.67s Responstijd (totaal) 432.72s Responstijd (max) 142.49s Instructies niet gevolgd: 3 Verkeerd antwoord: 3 Extra opmaak: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 7.3 Programmeren : 10.0 Gecombineerd : 8.5 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 6.1 Instructies opvolgen : 9.8 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#12#12	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Modelkaart bekijken Totaal tests 22 Foute tests 2 Betrouwbaarheid 10.0 Slaagpercentage per poging 90.9% Instabiele tests 0 Invoer-tokens 92,296 Uitvoer-tokens 5,232 Redeneer-tokens 92,006 Responstijd (gem.) 20.62s Responstijd (totaal) 329.94s Responstijd (max) 88.68s Verkeerd antwoord: 2 Anti-AI-trucs : 10.0 Programmeren : 7.9 Gecombineerd : 9.8 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#34#34	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 72.7% Instabiele tests 2 Invoer-tokens 142,147 Uitvoer-tokens 7,905 Redeneer-tokens 284,247 Responstijd (gem.) 26.25s Responstijd (totaal) 577.47s Responstijd (max) 165.38s Verkeerd antwoord: 4 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 8.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 10.0 Instructies opvolgen : 6.5 Puzzeloplossing : 7.9 Toolaanroepen : 9.8 Algemene kennis : 3.0
#31#31	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 83.3% Instabiele tests 1 Invoer-tokens 145,249 Uitvoer-tokens 24,948 Redeneer-tokens 5,042 Responstijd (gem.) 7.62s Responstijd (totaal) 159.94s Responstijd (max) 65.40s Verkeerd antwoord: 3 Time-out: 1 Anti-AI-trucs : 8.3 Programmeren : 7.6 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0

Wereldwijde benchmarktrends

Bekijk hoe huidige modellen score, kosten, snelheid, uitvoerlengte en prestaties per categorie afwegen.

Grafieken →

Paretofront: intelligentie vs kosten

Ontwikkeling van de beste score van toonaangevende bedrijven

Paretofront: intelligentie vs reactiesnelheid

Paretofront: score vs uitvoertokens

Moeilijkheid per categorie over alle modellen

Snelle vergelijking

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow