AI Benchy Leaderboard

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

Benchmarks gegenereerd uit AI BENCHY-testsuites op: 2026-09-18 Geëvalueerde modellen: 330

Aanbevolen modellen

GPT-6 Astra xhigh Intelligent Slaagpercentage per poging 97.0% Correcte tests 21 / 22 Score 9.9/10 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 $0.060 / 1M Uitvoerprijs $0.120 / 1M Score 8.0/10

330/330

Rang	Model	Score	Bedrijf	Totale kosten	Responstijd (gem.)
#297#297	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Modelkaart bekijken Totaal tests 21 Foute tests 14 Betrouwbaarheid 10.0 Slaagpercentage per poging 45.5% Instabiele tests 6 Invoer-tokens 37,449 Uitvoer-tokens 1,677 Redeneer-tokens 116,703 Responstijd (gem.) 39.90s Responstijd (totaal) 797.98s Responstijd (max) 309.02s Verkeerd antwoord: 9 Instructies niet gevolgd: 3 API-fout: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.7 Programmeren : 3.7 Gecombineerd : 1.5 Gegevensparsering en extractie : 6.3 Domeinspecifiek : 2.9 Algemene intelligentie : 4.2 Instructies opvolgen : 9.8 Puzzeloplossing : 3.6 Toolaanroepen : 10.0 Algemene kennis : 3.0
#285#285	Hy4 previewnone	4.8	Tencent	$0.041	39.24s
Modelkaart bekijken Totaal tests 22 Foute tests 19 Betrouwbaarheid 4.3 Slaagpercentage per poging 16.7% Instabiele tests 1 Invoer-tokens 26,376 Uitvoer-tokens 7,306 Redeneer-tokens 0 Responstijd (gem.) 39.24s Responstijd (totaal) 863.30s Responstijd (max) 95.32s Verkeerd antwoord: 9 API-fout: 7 Instructies niet gevolgd: 2 Extra opmaak: 1 Anti-AI-trucs : 3.3 Programmeren : 3.8 Gecombineerd : 3.0 Gegevensparsering en extractie : 8.7 Domeinspecifiek : 6.8 Algemene intelligentie : 5.1 Instructies opvolgen : 7.0 Puzzeloplossing : 4.6 Toolaanroepen : 3.0 Algemene kennis : 3.0
#82#82	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 10.0 Slaagpercentage per poging 68.2% Instabiele tests 0 Invoer-tokens 99,705 Uitvoer-tokens 1,545 Redeneer-tokens 167,784 Responstijd (gem.) 39.11s Responstijd (totaal) 860.51s Responstijd (max) 376.04s Verkeerd antwoord: 4 Geen antwoord: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 10.0 Programmeren : 7.7 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 3.0 Algemene kennis : 3.0
#329#329	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Modelkaart bekijken Totaal tests 12 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.3% Instabiele tests 0 Invoer-tokens 1,971 Uitvoer-tokens 64,795 Redeneer-tokens 0 Responstijd (gem.) 39.03s Responstijd (totaal) 312.26s Responstijd (max) 114.12s API-fout: 4 Instructies niet gevolgd: 1 Verkeerd antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 9.8 Gecombineerd : 1.5 Gegevensparsering en extractie : 1.5 Domeinspecifiek : 3.3 Algemene intelligentie : 4.0 Instructies opvolgen : 5.0 Puzzeloplossing : 0.0 Toolaanroepen : 3.0 Algemene kennis : 3.0
#28#28	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 87.9% Instabiele tests 3 Invoer-tokens 80,668 Uitvoer-tokens 5,617 Redeneer-tokens 119,699 Responstijd (gem.) 38.97s Responstijd (totaal) 857.43s Responstijd (max) 332.10s Verkeerd antwoord: 4 Anti-AI-trucs : 10.0 Programmeren : 8.8 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 : 2.8
#38#38	Muse Spark 1.3medium	8.8	Meta	$1.469	38.57s
Modelkaart bekijken Totaal tests 22 Foute tests 5 Betrouwbaarheid 10.0 Slaagpercentage per poging 84.9% Instabiele tests 3 Invoer-tokens 89,177 Uitvoer-tokens 11,044 Redeneer-tokens 308,220 Responstijd (gem.) 38.57s Responstijd (totaal) 848.59s Responstijd (max) 219.77s Verkeerd antwoord: 4 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 7.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.5 Algemene intelligentie : 10.0 Instructies opvolgen : 9.8 Puzzeloplossing : 10.0 Toolaanroepen : 9.6 Algemene kennis : 3.0
#133#133	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 66.7% Instabiele tests 6 Invoer-tokens 92,191 Uitvoer-tokens 14,286 Redeneer-tokens 289,733 Responstijd (gem.) 38.05s Responstijd (totaal) 837.05s Responstijd (max) 394.54s Verkeerd antwoord: 7 Instructies niet gevolgd: 3 API-fout: 1 Anti-AI-trucs : 10.0 Programmeren : 6.7 Gecombineerd : 6.4 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 4.0 Instructies opvolgen : 8.5 Puzzeloplossing : 7.3 Toolaanroepen : 10.0 Algemene kennis : 3.0
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.595	37.19s
Modelkaart bekijken Totaal tests 22 Foute tests 1 Betrouwbaarheid 10.0 Slaagpercentage per poging 98.5% Instabiele tests 1 Invoer-tokens 84,593 Uitvoer-tokens 10,517 Redeneer-tokens 397,671 Responstijd (gem.) 37.19s Responstijd (totaal) 818.19s Responstijd (max) 177.08s Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 8.2 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#73#73	Muse Spark 1.1high	8.0	Meta	$2.253	36.85s
Modelkaart bekijken Totaal tests 22 Foute tests 10 Betrouwbaarheid 10.0 Slaagpercentage per poging 68.2% Instabiele tests 6 Invoer-tokens 129,213 Uitvoer-tokens 8,356 Redeneer-tokens 483,560 Responstijd (gem.) 36.85s Responstijd (totaal) 810.72s Responstijd (max) 196.03s Verkeerd antwoord: 3 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 API-fout: 1 Extra opmaak: 1 Geen antwoord: 1 Anti-AI-trucs : 7.5 Programmeren : 10.0 Gecombineerd : 5.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 6.4 Puzzeloplossing : 7.8 Toolaanroepen : 9.6 Algemene kennis : 3.0
#248#248	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.040 ↓	36.17s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 10.0 Slaagpercentage per poging 27.3% Instabiele tests 4 Invoer-tokens 240,230 Uitvoer-tokens 100,726 Redeneer-tokens 0 Responstijd (gem.) 36.17s Responstijd (totaal) 795.83s Responstijd (max) 247.27s Verkeerd antwoord: 13 Extra opmaak: 2 Ongeldige toolaanroep: 2 Instructies niet gevolgd: 1 Anti-AI-trucs : 3.0 Programmeren : 4.2 Gecombineerd : 4.6 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 4.2 Instructies opvolgen : 6.5 Puzzeloplossing : 3.1 Toolaanroepen : 10.0 Algemene kennis : 3.0
#101#101	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.701 ↕	33.62s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 9.8 Slaagpercentage per poging 66.7% Instabiele tests 3 Invoer-tokens 233,415 Uitvoer-tokens 54,384 Redeneer-tokens 130,021 Responstijd (gem.) 33.62s Responstijd (totaal) 739.59s Responstijd (max) 392.56s Verkeerd antwoord: 7 API-fout: 1 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 8.4 Gecombineerd : 6.3 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.6 Algemene intelligentie : 3.7 Instructies opvolgen : 9.8 Puzzeloplossing : 5.5 Toolaanroepen : 10.0 Algemene kennis : 3.0
#93#93	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Modelkaart bekijken Totaal tests 21 Foute tests 6 Betrouwbaarheid 10.0 Slaagpercentage per poging 78.8% Instabiele tests 4 Invoer-tokens 35,224 Uitvoer-tokens 21,570 Redeneer-tokens 102,996 Responstijd (gem.) 33.54s Responstijd (totaal) 435.99s Responstijd (max) 99.85s Verkeerd antwoord: 3 Instructies niet gevolgd: 1 Geen antwoord: 1 Time-out: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 5.0 Gegevensparsering en extractie : 7.1 Domeinspecifiek : 3.5 Algemene intelligentie : 6.1 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#89#89	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 9.6 Slaagpercentage per poging 66.7% Instabiele tests 1 Invoer-tokens 98,266 Uitvoer-tokens 1,861 Redeneer-tokens 134,301 Responstijd (gem.) 33.05s Responstijd (totaal) 694.04s Responstijd (max) 214.63s Verkeerd antwoord: 3 Instructies niet gevolgd: 2 API-fout: 1 Ongeldige toolaanroep: 1 Geen antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 8.7 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 5.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.3 Toolaanroepen : 3.0 Algemene kennis : 3.0
#53#53	DeepSeek V4.1 Flashhigh	8.5	DeepSeek	$0.574 ↑	32.78s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 9.6 Slaagpercentage per poging 74.2% Instabiele tests 3 Invoer-tokens 100,111 Uitvoer-tokens 6,642 Redeneer-tokens 446,298 Responstijd (gem.) 32.78s Responstijd (totaal) 721.15s Responstijd (max) 205.53s Verkeerd antwoord: 5 API-fout: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 8.3 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 5.3 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 6.4 Toolaanroepen : 10.0 Algemene kennis : 3.0
#146#146	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 60.6% Instabiele tests 5 Invoer-tokens 102,986 Uitvoer-tokens 5,860 Redeneer-tokens 264,399 Responstijd (gem.) 32.56s Responstijd (totaal) 716.36s Responstijd (max) 199.66s Verkeerd antwoord: 6 Extra opmaak: 2 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 1 Anti-AI-trucs : 8.2 Programmeren : 6.3 Gecombineerd : 8.7 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 2.9 Algemene intelligentie : 3.9 Instructies opvolgen : 9.8 Puzzeloplossing : 7.7 Toolaanroepen : 3.0 Algemene kennis : 3.0
#95#95	Claude Opus 4.6medium	7.7	Anthropic	$2.961	32.23s
Modelkaart bekijken Totaal tests 22 Foute tests 9 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 3 Invoer-tokens 108,573 Uitvoer-tokens 69,994 Redeneer-tokens 26,728 Responstijd (gem.) 32.23s Responstijd (totaal) 515.65s Responstijd (max) 151.51s Extra opmaak: 4 Verkeerd antwoord: 4 Instructies niet gevolgd: 1 Anti-AI-trucs : 6.4 Programmeren : 5.7 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 7.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#54#54	DeepSeek V4.1 Flashmedium	8.5	DeepSeek	$0.544 ↑	32.22s
Modelkaart bekijken Totaal tests 22 Foute tests 7 Betrouwbaarheid 9.5 Slaagpercentage per poging 72.7% Instabiele tests 2 Invoer-tokens 88,508 Uitvoer-tokens 5,410 Redeneer-tokens 425,406 Responstijd (gem.) 32.22s Responstijd (totaal) 708.76s Responstijd (max) 276.31s Verkeerd antwoord: 5 API-fout: 1 Instructies niet gevolgd: 1 Anti-AI-trucs : 8.3 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 6.5 Domeinspecifiek : 2.9 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.7 Toolaanroepen : 10.0 Algemene kennis : 3.0
#34#34	Paretonone	8.9	Unbiased	$1.172	31.51s
Modelkaart bekijken Totaal tests 22 Foute tests 4 Betrouwbaarheid 10.0 Slaagpercentage per poging 86.4% Instabiele tests 2 Invoer-tokens 110,734 Uitvoer-tokens 119,230 Redeneer-tokens 0 Responstijd (gem.) 31.51s Responstijd (totaal) 693.29s Responstijd (max) 143.33s Verkeerd antwoord: 3 Ongeldige toolaanroep: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 7.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.7 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 8.2 Toolaanroepen : 10.0 Algemene kennis : 2.8
#134#134	Muse Glimmer 30Bmedium	7.2	Meta	$0.211 ↓	30.64s
Modelkaart bekijken Totaal tests 22 Foute tests 11 Betrouwbaarheid 10.0 Slaagpercentage per poging 63.6% Instabiele tests 6 Invoer-tokens 116,513 Uitvoer-tokens 33,065 Redeneer-tokens 135,009 Responstijd (gem.) 30.64s Responstijd (totaal) 674.01s Responstijd (max) 181.08s Verkeerd antwoord: 9 Instructies niet gevolgd: 1 Geen antwoord: 1 Anti-AI-trucs : 9.2 Programmeren : 8.4 Gecombineerd : 6.5 Gegevensparsering en extractie : 7.3 Domeinspecifiek : 2.9 Algemene intelligentie : 4.7 Instructies opvolgen : 9.8 Puzzeloplossing : 6.0 Toolaanroepen : 10.0 Algemene kennis : 3.0
#62#62	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 69.7% Instabiele tests 2 Invoer-tokens 85,669 Uitvoer-tokens 6,092 Redeneer-tokens 292,801 Responstijd (gem.) 30.43s Responstijd (totaal) 669.38s Responstijd (max) 122.60s Verkeerd antwoord: 6 Instructies niet gevolgd: 2 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 9.9 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 5.3 Algemene intelligentie : 5.3 Instructies opvolgen : 9.8 Puzzeloplossing : 4.8 Toolaanroepen : 3.0 Algemene kennis : 3.0
#275#275	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Modelkaart bekijken Totaal tests 22 Foute tests 18 Betrouwbaarheid 8.7 Slaagpercentage per poging 18.2% Instabiele tests 0 Invoer-tokens 130,501 Uitvoer-tokens 26,786 Redeneer-tokens 0 Responstijd (gem.) 29.95s Responstijd (totaal) 658.83s Responstijd (max) 159.85s Verkeerd antwoord: 12 Extra opmaak: 2 Instructies niet gevolgd: 2 Ongeldige toolaanroep: 2 Anti-AI-trucs : 3.0 Programmeren : 3.9 Gecombineerd : 3.2 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 Algemene intelligentie : 3.9 Instructies opvolgen : 6.5 Puzzeloplossing : 3.5 Toolaanroepen : 9.5 Algemene kennis : 3.0
#317#317	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Modelkaart bekijken Totaal tests 19 Foute tests 12 Betrouwbaarheid 10.0 Slaagpercentage per poging 43.9% Instabiele tests 4 Invoer-tokens 11,793 Uitvoer-tokens 267,275 Redeneer-tokens 0 Responstijd (gem.) 28.69s Responstijd (totaal) 459.00s Responstijd (max) 138.35s Verkeerd antwoord: 7 API-fout: 3 Instructies niet gevolgd: 2 Anti-AI-trucs : 8.7 Programmeren : 3.3 Gecombineerd : 1.5 Gegevensparsering en extractie : 3.8 Domeinspecifiek : 3.6 Algemene intelligentie : 4.3 Instructies opvolgen : 9.8 Puzzeloplossing : 6.4 Toolaanroepen : 3.0 Algemene kennis : 3.0
#59#59	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
#5#5	GPT-6 Astraxhigh	9.9	OpenAI	$5.156	28.44s
Modelkaart bekijken Totaal tests 22 Foute tests 1 Betrouwbaarheid 9.9 Slaagpercentage per poging 97.0% Instabiele tests 1 Invoer-tokens 79,662 Uitvoer-tokens 5,055 Redeneer-tokens 82,128 Responstijd (gem.) 28.44s Responstijd (totaal) 625.68s Responstijd (max) 381.11s Verkeerd antwoord: 1 Anti-AI-trucs : 10.0 Programmeren : 10.0 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 7.6 Algemene intelligentie : 10.0 Instructies opvolgen : 10.0 Puzzeloplossing : 10.0 Toolaanroepen : 10.0 Algemene kennis : 10.0
#88#88	Claude Sonnet 4.6medium	7.8	Anthropic	$2.126	28.08s
Modelkaart bekijken Totaal tests 22 Foute tests 8 Betrouwbaarheid 10.0 Slaagpercentage per poging 65.2% Instabiele tests 1 Invoer-tokens 106,316 Uitvoer-tokens 79,338 Redeneer-tokens 41,089 Responstijd (gem.) 28.08s Responstijd (totaal) 421.15s Responstijd (max) 140.96s Verkeerd antwoord: 4 Extra opmaak: 3 Time-out: 1 Anti-AI-trucs : 6.5 Programmeren : 5.7 Gecombineerd : 10.0 Gegevensparsering en extractie : 10.0 Domeinspecifiek : 3.0 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 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium