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)
#231#231	Qwen3.8 27Bnone	5.5	Qwen	~$0.006	3.12s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 40.9% Testes instáveis 0 Tokens de entrada 122,463 Tokens de saída 11,445 Tokens de raciocínio 0 Tempo de resposta (médio) 3.12s Tempo de resposta (total) 68.69s Tempo de resposta (máx.) 44.76s Resposta incorreta: 11 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 7.7 Inteligência geral : 4.2 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#298#298	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.44s
Ver cartão do modelo Total de testes 22 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 9.1% Testes instáveis 0 Tokens de entrada 113,836 Tokens de saída 5,996 Tokens de raciocínio 0 Tempo de resposta (médio) 1.44s Tempo de resposta (total) 31.75s Tempo de resposta (máx.) 16.67s Resposta incorreta: 13 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 2 Formatação extra: 1 Truques anti-IA : 4.9 Programação : 4.5 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 3.6 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#299#299	Nemotron 3.5 Lightningnone	4.0	NVIDIA	$0.007 ↕	1.21s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 16.7% Testes instáveis 2 Tokens de entrada 74,074 Tokens de saída 2,731 Tokens de raciocínio 0 Tempo de resposta (médio) 1.21s Tempo de resposta (total) 26.62s Tempo de resposta (máx.) 6.30s Resposta incorreta: 16 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 4.8 Programação : 3.1 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#295#295	Hy3 previewnone	4.0	Tencent	$0.007 ↕	12.92s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 22.7% Testes instáveis 2 Tokens de entrada 27,172 Tokens de saída 2,661 Tokens de raciocínio 0 Tempo de resposta (médio) 12.92s Tempo de resposta (total) 232.64s Tempo de resposta (máx.) 35.84s Resposta incorreta: 8 Erro de API: 4 Não seguiu as instruções: 4 Formatação extra: 1 Truques anti-IA : 4.8 Programação : 2.7 Combinado : 1.5 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.1 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#242#242	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 3 Tokens de entrada 91,607 Tokens de saída 13,377 Tokens de raciocínio 0 Tempo de resposta (médio) 1.55s Tempo de resposta (total) 34.01s Tempo de resposta (máx.) 19.02s Resposta incorreta: 14 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 5.3 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 3.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#303#303	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Ver cartão do modelo Total de testes 19 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 19.7% Testes instáveis 3 Tokens de entrada 36,608 Tokens de saída 1,723 Tokens de raciocínio 0 Tempo de resposta (médio) 1.62s Tempo de resposta (total) 19.48s Tempo de resposta (máx.) 5.51s Resposta incorreta: 13 Não seguiu as instruções: 3 Truques anti-IA : 3.2 Programação : 1.8 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.4 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#276#276	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 21.2% Testes instáveis 2 Tokens de entrada 29,828 Tokens de saída 2,169 Tokens de raciocínio 0 Tempo de resposta (médio) 2.98s Tempo de resposta (total) 56.57s Tempo de resposta (máx.) 14.34s Resposta incorreta: 12 Não seguiu as instruções: 3 Erro de API: 2 Truques anti-IA : 3.1 Programação : 3.7 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.5 Seguimento de instruções : 3.5 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#267#267	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 9.2 Taxa de acerto por tentativa 27.3% Testes instáveis 2 Tokens de entrada 63,528 Tokens de saída 6,432 Tokens de raciocínio 0 Tempo de resposta (médio) 6.04s Tempo de resposta (total) 132.96s Tempo de resposta (máx.) 20.00s Resposta incorreta: 15 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#249#249	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 8.7 Taxa de acerto por tentativa 34.9% Testes instáveis 1 Tokens de entrada 52,909 Tokens de saída 7,058 Tokens de raciocínio 12,272 Tempo de resposta (médio) 45.97s Tempo de resposta (total) 1011.42s Tempo de resposta (máx.) 557.96s Resposta incorreta: 9 Tempo esgotado: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.4 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 3.8 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#287#287	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Ver cartão do modelo Total de testes 19 Testes errados 15 Confiabilidade 9.8 Taxa de acerto por tentativa 27.3% Testes instáveis 3 Tokens de entrada 38,147 Tokens de saída 2,054 Tokens de raciocínio 0 Tempo de resposta (médio) 2.89s Tempo de resposta (total) 43.28s Tempo de resposta (máx.) 15.42s Resposta incorreta: 10 Erro de API: 4 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 2.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#307#307	gpt-oss-120bnone	3.7	OpenAI	$0.010 ↓	21.61s
Ver cartão do modelo Total de testes 19 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 2 Tokens de entrada 9,081 Tokens de saída 51,664 Tokens de raciocínio 0 Tempo de resposta (médio) 21.61s Tempo de resposta (total) 345.79s Tempo de resposta (máx.) 113.71s Resposta incorreta: 8 Erro de API: 3 Não seguiu as instruções: 2 Truques anti-IA : 6.5 Programação : 1.5 Combinado : 1.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#263#263	GPT-4o-mininone	5.0	OpenAI	$0.010	1.92s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 22.7% Testes instáveis 0 Tokens de entrada 53,145 Tokens de saída 2,913 Tokens de raciocínio 0 Tempo de resposta (médio) 1.92s Tempo de resposta (total) 30.71s Tempo de resposta (máx.) 7.58s Resposta incorreta: 15 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 4.8 Programação : 3.2 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#260#260	Mercury 2.5 Previewlow	5.0	Inception	$0.011	1.31s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 47.0% Testes instáveis 8 Tokens de entrada 133,525 Tokens de saída 7,259 Tokens de raciocínio 24,716 Tempo de resposta (médio) 1.31s Tempo de resposta (total) 28.77s Tempo de resposta (máx.) 7.29s Resposta incorreta: 12 Não seguiu as instruções: 2 Erro de API: 1 Sem resposta: 1 Truques anti-IA : 5.6 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 4.1 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#239#239	DeepSeek V4 Flash 0731none	5.4	DeepSeek	$0.011 ↓	20.72s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 4 Tokens de entrada 94,566 Tokens de saída 25,426 Tokens de raciocínio 0 Tempo de resposta (médio) 20.72s Tempo de resposta (total) 455.81s Tempo de resposta (máx.) 387.15s Resposta incorreta: 13 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Formatação extra: 1 Truques anti-IA : 3.4 Programação : 4.3 Combinado : 3.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.4 Seguimento de instruções : 5.0 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 9.5 Conhecimentos gerais : 3.0
#253#253	Granite 4.2 8Blow	5.1	IBM Granite	$0.012	54.36s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 9.0 Taxa de acerto por tentativa 31.8% Testes instáveis 0 Tokens de entrada 74,721 Tokens de saída 9,205 Tokens de raciocínio 18,723 Tempo de resposta (médio) 54.36s Tempo de resposta (total) 1195.97s Tempo de resposta (máx.) 566.80s Resposta incorreta: 10 Tempo esgotado: 3 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#223#223	Gemma 4 26B A4Bnone	5.6	Google	$0.015 ↓	7.58s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 1 Tokens de entrada 131,257 Tokens de saída 15,781 Tokens de raciocínio 0 Tempo de resposta (médio) 7.58s Tempo de resposta (total) 166.82s Tempo de resposta (máx.) 57.10s Resposta incorreta: 9 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 6.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#206#206	GLM 5.3 Flashlow	5.9	Z.ai	$0.015	9.65s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 56.1% Testes instáveis 4 Tokens de entrada 117,551 Tokens de saída 9,199 Tokens de raciocínio 14,537 Tempo de resposta (médio) 9.65s Tempo de resposta (total) 212.22s Tempo de resposta (máx.) 90.45s Resposta incorreta: 8 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.7 Programação : 5.4 Combinado : 3.8 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#294#294	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Ver cartão do modelo Total de testes 19 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 6 Tokens de entrada 39,481 Tokens de saída 54,218 Tokens de raciocínio 0 Tempo de resposta (médio) 6.73s Tempo de resposta (total) 100.98s Tempo de resposta (máx.) 29.11s Resposta incorreta: 6 Erro de API: 4 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.9 Programação : 2.1 Combinado : 1.5 Análise e extração de dados : 7.1 Específico do domínio : 4.1 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#244#244	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 18.2% Testes instáveis 0 Tokens de entrada 106,423 Tokens de saída 11,555 Tokens de raciocínio 0 Tempo de resposta (médio) 8.59s Tempo de resposta (total) 163.20s Tempo de resposta (máx.) 25.72s Resposta incorreta: 12 Erro de API: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 3.8 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#275#275	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 3 Tokens de entrada 101,513 Tokens de saída 22,992 Tokens de raciocínio 0 Tempo de resposta (médio) 8.81s Tempo de resposta (total) 140.88s Tempo de resposta (máx.) 97.15s Resposta incorreta: 14 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 5.2 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#191#191	Gemma 4 31Bnone	6.1	Google	$0.016 ↓	5.41s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 1 Tokens de entrada 125,703 Tokens de saída 13,317 Tokens de raciocínio 0 Tempo de resposta (médio) 5.41s Tempo de resposta (total) 108.12s Tempo de resposta (máx.) 29.95s Resposta incorreta: 10 Erro de API: 2 Não seguiu as instruções: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.5 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#195#195	Gemini 2.5 Flashnone	6.0	Google	$0.017	6.19s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 39.4% Testes instáveis 1 Tokens de entrada 39,886 Tokens de saída 1,890 Tokens de raciocínio 0 Tempo de resposta (médio) 6.19s Tempo de resposta (total) 136.23s Tempo de resposta (máx.) 118.00s Resposta incorreta: 13 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.0 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#265#265	Mercury 2.5 Previewnone	4.9	Inception	$0.018	3.51s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 5 Tokens de entrada 130,296 Tokens de saída 82,585 Tokens de raciocínio 0 Tempo de resposta (médio) 3.51s Tempo de resposta (total) 77.28s Tempo de resposta (máx.) 60.70s Resposta incorreta: 16 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.8 Programação : 4.7 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#185#185	Qwen3.7 Flashnone	6.1	Qwen	$0.019	10.05s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 36.4% Testes instáveis 2 Tokens de entrada 218,740 Tokens de saída 90,507 Tokens de raciocínio 0 Tempo de resposta (médio) 10.05s Tempo de resposta (total) 221.13s Tempo de resposta (máx.) 186.24s Resposta incorreta: 13 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.0 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#184#184	gpt-oss-120bmedium	6.1	OpenAI	$0.020 ↓	20.81s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 50.0% Testes instáveis 5 Tokens de entrada 108,767 Tokens de saída 29,378 Tokens de raciocínio 68,904 Tempo de resposta (médio) 20.81s Tempo de resposta (total) 332.88s Tempo de resposta (máx.) 68.16s Resposta incorreta: 9 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.7 Programação : 5.9 Combinado : 6.5 Análise e extração de dados : 6.4 Específico do domínio : 2.9 Inteligência geral : 4.3 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 9.8 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