Leaderboard do AI Benchy

Name: Resultados de benchmark de modelos AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks gerados a partir das suítes de teste do AI BENCHY em: 2026-09-02 Modelos avaliados: 311

Modelos recomendados

GPT-5.6 Sol high Inteligente Taxa de acerto por tentativa 89.4% Testes corretos 18 / 22 Pontuação 9.4/10 GPT-5.6 Luna medium Rápido Tempo de resposta (médio) 7.43s Total de tokens de saída 44,525 Pontuação 7.4/10 DeepSeek V4 Flash 0731 high Acessível Preço de entrada $0.065 / 1M Preço de saída $0.180 / 1M Pontuação 8.0/10

311/311

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#97#97	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 5 Tokens de entrada 97,164 Tokens de saída 6,211 Tokens de raciocínio 152,133 Tempo de resposta (médio) 26.72s Tempo de resposta (total) 587.90s Tempo de resposta (máx.) 138.75s Resposta incorreta: 6 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.6 Programação : 8.4 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#132#132	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 5 Tokens de entrada 102,986 Tokens de saída 5,860 Tokens de raciocínio 264,399 Tempo de resposta (médio) 32.56s Tempo de resposta (total) 716.36s Tempo de resposta (máx.) 199.66s Resposta incorreta: 6 Formatação extra: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.2 Programação : 6.3 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.9 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#65#65	GPT-5.6 Terrahigh	8.0	OpenAI	$0.836 ↓	11.22s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 2 Tokens de entrada 81,056 Tokens de saída 5,055 Tokens de raciocínio 51,033 Tempo de resposta (médio) 11.22s Tempo de resposta (total) 246.77s Tempo de resposta (máx.) 91.49s Resposta incorreta: 7 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 7.6 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#55#55	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 3 Tokens de entrada 145,953 Tokens de saída 52,330 Tokens de raciocínio 10,874 Tempo de resposta (médio) 12.54s Tempo de resposta (total) 275.90s Tempo de resposta (máx.) 66.71s Resposta incorreta: 5 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 9.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#47#47	Grok 4.5low	8.4	X AI	$0.945	16.17s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 2 Tokens de entrada 125,605 Tokens de saída 7,505 Tokens de raciocínio 107,984 Tempo de resposta (médio) 16.17s Tempo de resposta (total) 355.67s Tempo de resposta (máx.) 205.28s Resposta incorreta: 6 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#95#95	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 6 Tokens de entrada 111,644 Tokens de saída 16,113 Tokens de raciocínio 598,796 Tempo de resposta (médio) 113.28s Tempo de resposta (total) 2492.26s Tempo de resposta (máx.) 1026.43s Resposta incorreta: 4 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 6.2 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#28#28	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 4 Tokens de entrada 81,187 Tokens de saída 6,258 Tokens de raciocínio 54,116 Tempo de resposta (médio) 16.91s Tempo de resposta (total) 372.03s Tempo de resposta (máx.) 100.93s Resposta incorreta: 4 Não seguiu as instruções: 2 Truques anti-IA : 8.7 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.6 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 2.8
#165#165	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 7 Tokens de entrada 106,176 Tokens de saída 33,013 Tokens de raciocínio 239,560 Tempo de resposta (médio) 106.06s Tempo de resposta (total) 2333.36s Tempo de resposta (máx.) 1085.11s Resposta incorreta: 5 Sem resposta: 3 Chamada de ferramenta inválida: 2 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 8.3 Programação : 7.7 Combinado : 6.7 Análise e extração de dados : 3.5 Específico do domínio : 2.9 Inteligência geral : 6.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#59#59	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 3 Tokens de entrada 86,755 Tokens de saída 6,057 Tokens de raciocínio 230,570 Tempo de resposta (médio) 62.57s Tempo de resposta (total) 1376.46s Tempo de resposta (máx.) 327.51s Resposta incorreta: 4 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 8.5 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#27#27	Muse Spark 1.3medium	9.0	Meta	$1.075	89.78s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 9.3 Taxa de acerto por tentativa 81.8% Testes instáveis 4 Tokens de entrada 98,062 Tokens de saída 13,168 Tokens de raciocínio 210,826 Tempo de resposta (médio) 89.78s Tempo de resposta (total) 1975.17s Tempo de resposta (máx.) 356.29s Resposta incorreta: 3 Erro de API: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 8.4 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#139#139	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 3 Tokens de entrada 13,852 Tokens de saída 119,100 Tokens de raciocínio 0 Tempo de resposta (médio) 10.18s Tempo de resposta (total) 183.29s Tempo de resposta (máx.) 64.36s Erro de API: 4 Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 2.8
#33#33	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Ver cartão do modelo Total de testes 22 Testes errados 4 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 1 Tokens de entrada 134,770 Tokens de saída 13,604 Tokens de raciocínio 4,388 Tempo de resposta (médio) 6.99s Tempo de resposta (total) 153.80s Tempo de resposta (máx.) 30.67s Resposta incorreta: 4 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#98#98	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 1 Tokens de entrada 106,946 Tokens de saída 7,993 Tokens de raciocínio 503,413 Tempo de resposta (médio) 54.50s Tempo de resposta (total) 1199.07s Tempo de resposta (máx.) 252.69s Resposta incorreta: 6 Formatação extra: 3 Truques anti-IA : 8.3 Programação : 5.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#41#41	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 2 Tokens de entrada 79,249 Tokens de saída 5,097 Tokens de raciocínio 165,276 Tempo de resposta (médio) 66.52s Tempo de resposta (total) 1463.50s Tempo de resposta (máx.) 238.07s Resposta incorreta: 4 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#183#183	Qwen3.5-35B-A3Bmedium	6.1	Qwen	$1.140 ↑	110.84s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 6 Tokens de entrada 130,450 Tokens de saída 54,857 Tokens de raciocínio 838,606 Tempo de resposta (médio) 110.84s Tempo de resposta (total) 2438.58s Tempo de resposta (máx.) 950.25s Tempo esgotado: 4 Sem resposta: 3 Resposta incorreta: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 3.8 Análise e extração de dados : 7.3 Específico do domínio : 3.5 Inteligência geral : 2.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#142#142	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 7.3 Taxa de acerto por tentativa 63.6% Testes instáveis 7 Tokens de entrada 76,036 Tokens de saída 7,267 Tokens de raciocínio 364,176 Tempo de resposta (médio) 101.05s Tempo de resposta (total) 2223.19s Tempo de resposta (máx.) 626.58s Erro de API: 6 Resposta incorreta: 4 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 6.9 Programação : 8.9 Combinado : 4.7 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#19#19	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 3 Tokens de entrada 106,029 Tokens de saída 5,748 Tokens de raciocínio 220,354 Tempo de resposta (médio) 44.32s Tempo de resposta (total) 975.11s Tempo de resposta (máx.) 556.06s Resposta incorreta: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#115#115	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 149,203 Tokens de saída 16,797 Tokens de raciocínio 0 Tempo de resposta (médio) 4.92s Tempo de resposta (total) 108.24s Tempo de resposta (máx.) 35.03s Resposta incorreta: 4 Formatação extra: 3 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 9.8 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#48#48	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 72.7% Testes instáveis 4 Tokens de entrada 105,013 Tokens de saída 9,914 Tokens de raciocínio 61,338 Tempo de resposta (médio) 28.51s Tempo de resposta (total) 456.13s Tempo de resposta (máx.) 116.86s Não seguiu as instruções: 3 Resposta incorreta: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 6.5 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 3.7 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.5 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#63#63	GLM 5.2high	8.0	Z.ai	$1.188 ↑	69.86s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 3 Tokens de entrada 83,822 Tokens de saída 72,040 Tokens de raciocínio 292,615 Tempo de resposta (médio) 69.86s Tempo de resposta (total) 1536.98s Tempo de resposta (máx.) 599.43s Tempo esgotado: 3 Sem resposta: 2 Resposta incorreta: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 6.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.1 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#122#122	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 4 Tokens de entrada 124,780 Tokens de saída 47,694 Tokens de raciocínio 439,825 Tempo de resposta (médio) 65.67s Tempo de resposta (total) 1444.68s Tempo de resposta (máx.) 519.30s Resposta incorreta: 5 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 3.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#141#141	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 4 Tokens de entrada 98,700 Tokens de saída 1,050,900 Tokens de raciocínio 0 Tempo de resposta (médio) 70.10s Tempo de resposta (total) 1542.14s Tempo de resposta (máx.) 364.99s Resposta incorreta: 7 Sem resposta: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 4.0 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#116#116	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 4 Tokens de entrada 68,913 Tokens de saída 64,654 Tokens de raciocínio 282,865 Tempo de resposta (médio) 115.89s Tempo de resposta (total) 2433.66s Tempo de resposta (máx.) 876.20s Tempo esgotado: 3 Resposta incorreta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 7.0 Programação : 5.7 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#24#24	Muse Spark 1.3high	9.0	Meta	$1.252	117.06s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 9.5 Taxa de acerto por tentativa 81.8% Testes instáveis 3 Tokens de entrada 99,477 Tokens de saída 14,053 Tokens de raciocínio 251,124 Tempo de resposta (médio) 117.06s Tempo de resposta (total) 2575.43s Tempo de resposta (máx.) 470.12s Resposta incorreta: 2 Erro de API: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 9.6 Conhecimentos gerais : 3.0
#11#11	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Ver cartão do modelo Total de testes 22 Testes errados 3 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 0 Tokens de entrada 80,067 Tokens de saída 5,378 Tokens de raciocínio 23,162 Tempo de resposta (médio) 10.15s Tempo de resposta (total) 223.24s Tempo de resposta (máx.) 56.19s Resposta incorreta: 3 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0

Tendências globais do benchmark

Veja como os modelos atuais equilibram pontuação, custo, velocidade, comprimento da saída e desempenho por categoria.

Gráficos →

Fronteira de Pareto: inteligência vs custo

Evolução da melhor pontuação das empresas líderes

Fronteira de Pareto: inteligência vs velocidade de resposta

Fronteira de Pareto: pontuação vs tokens de saída

Dificuldade das categorias entre os modelos

Comparação rápida

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 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