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)
#310#310	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Ver cartão do modelo Total de testes 12 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 0 Tokens de entrada 1,971 Tokens de saída 64,795 Tokens de raciocínio 0 Tempo de resposta (médio) 39.03s Tempo de resposta (total) 312.26s Tempo de resposta (máx.) 114.12s Erro de API: 4 Não seguiu as instruções: 1 Resposta incorreta: 1 Truques anti-IA : 10.0 Programação : 9.8 Combinado : 1.5 Análise e extração de dados : 1.5 Específico do domínio : 3.3 Inteligência geral : 4.0 Seguimento de instruções : 5.0 Resolução de quebra-cabeças : 0.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#256#256	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 19.7% Testes instáveis 1 Tokens de entrada 144,416 Tokens de saída 37,484 Tokens de raciocínio 0 Tempo de resposta (médio) 19.19s Tempo de resposta (total) 422.25s Tempo de resposta (máx.) 382.06s Resposta incorreta: 14 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Truques anti-IA : 3.1 Programação : 3.9 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#174#174	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.8 Taxa de acerto por tentativa 63.6% Testes instáveis 4 Tokens de entrada 132,044 Tokens de saída 92,135 Tokens de raciocínio 207,321 Tempo de resposta (médio) 13.70s Tempo de resposta (total) 287.75s Tempo de resposta (máx.) 75.27s Resposta incorreta: 7 Chamada de ferramenta inválida: 2 Erro de API: 1 Truques anti-IA : 10.0 Programação : 6.7 Combinado : 2.9 Análise e extração de dados : 7.3 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#232#232	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Ver cartão do modelo Total de testes 21 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 37.9% Testes instáveis 1 Tokens de entrada 40,852 Tokens de saída 3,314 Tokens de raciocínio 0 Tempo de resposta (médio) 2.44s Tempo de resposta (total) 48.81s Tempo de resposta (máx.) 6.81s Resposta incorreta: 10 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 3.6 Programação : 4.4 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#251#251	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 25.8% Testes instáveis 1 Tokens de entrada 104,717 Tokens de saída 9,812 Tokens de raciocínio 0 Tempo de resposta (médio) 1.20s Tempo de resposta (total) 26.41s Tempo de resposta (máx.) 13.16s Resposta incorreta: 16 Não seguiu as instruções: 1 Truques anti-IA : 3.4 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 : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#285#285	Laguna S 2.1none	4.5	Poolside	$0.022 ↓	11.67s
Ver cartão do modelo Total de testes 22 Testes errados 20 Confiabilidade 10.0 Taxa de acerto por tentativa 15.2% Testes instáveis 3 Tokens de entrada 125,604 Tokens de saída 57,634 Tokens de raciocínio 0 Tempo de resposta (médio) 11.67s Tempo de resposta (total) 256.71s Tempo de resposta (máx.) 200.52s Resposta incorreta: 18 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 3.1 Programação : 3.4 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 4.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#96#96	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 1 Tokens de entrada 112,713 Tokens de saída 5,436 Tokens de raciocínio 121,598 Tempo de resposta (médio) 3.58s Tempo de resposta (total) 78.66s Tempo de resposta (máx.) 17.84s Resposta incorreta: 4 Erro de API: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 7.8 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#296#296	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Ver cartão do modelo Total de testes 21 Testes errados 17 Confiabilidade 6.7 Taxa de acerto por tentativa 24.2% Testes instáveis 4 Tokens de entrada 36,851 Tokens de saída 68,882 Tokens de raciocínio 0 Tempo de resposta (médio) 2.76s Tempo de resposta (total) 46.99s Tempo de resposta (máx.) 19.68s Resposta incorreta: 13 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Truques anti-IA : 3.2 Programação : 4.3 Combinado : 1.5 Análise e extração de dados : 2.9 Específico do domínio : 5.3 Inteligência geral : 4.6 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#255#255	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 2 Tokens de entrada 141,052 Tokens de saída 16,464 Tokens de raciocínio 0 Tempo de resposta (médio) 4.68s Tempo de resposta (total) 103.02s Tempo de resposta (máx.) 55.36s Resposta incorreta: 14 Formatação extra: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#291#291	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 8.6 Taxa de acerto por tentativa 16.7% Testes instáveis 2 Tokens de entrada 57,786 Tokens de saída 130,805 Tokens de raciocínio 0 Tempo de resposta (médio) 86.27s Tempo de resposta (total) 1897.96s Tempo de resposta (máx.) 747.17s Resposta incorreta: 11 Formatação extra: 4 Tempo esgotado: 3 Não seguiu as instruções: 1 Truques anti-IA : 4.9 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 2.9 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 3.0 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#254#254	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 25.8% Testes instáveis 1 Tokens de entrada 134,227 Tokens de saída 11,808 Tokens de raciocínio 0 Tempo de resposta (médio) 8.63s Tempo de resposta (total) 146.72s Tempo de resposta (máx.) 45.14s Resposta incorreta: 14 Formatação extra: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 3.6 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#269#269	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 2 Tokens de entrada 7,608 Tokens de saída 40,277 Tokens de raciocínio 0 Tempo de resposta (médio) 51.99s Tempo de resposta (total) 831.90s Tempo de resposta (máx.) 143.82s Erro de API: 6 Resposta incorreta: 5 Não seguiu as instruções: 2 Truques anti-IA : 9.2 Programação : 5.3 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#213#213	GLM 5none	5.7	Z.ai	$0.027 ↑	4.03s
Ver cartão do modelo Total de testes 21 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 42.4% Testes instáveis 1 Tokens de entrada 37,135 Tokens de saída 1,989 Tokens de raciocínio 0 Tempo de resposta (médio) 4.03s Tempo de resposta (total) 56.37s Tempo de resposta (máx.) 11.07s Resposta incorreta: 12 Truques anti-IA : 4.8 Programação : 4.0 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#111#111	GLM 5.3 Flashhigh	7.3	Z.ai	$0.029	25.36s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 113,003 Tokens de saída 11,558 Tokens de raciocínio 66,760 Tempo de resposta (médio) 25.36s Tempo de resposta (total) 558.01s Tempo de resposta (máx.) 163.41s Resposta incorreta: 4 Formatação extra: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 8.2 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#236#236	GPT-5.6 Lunanone	5.4	OpenAI	$0.029 ↓	1.50s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 36.4% Testes instáveis 3 Tokens de entrada 101,332 Tokens de saída 6,709 Tokens de raciocínio 0 Tempo de resposta (médio) 1.50s Tempo de resposta (total) 33.05s Tempo de resposta (máx.) 10.57s Resposta incorreta: 14 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 3.8 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 7.1 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#163#163	Mercury 2.5 Previewhigh	6.6	Inception	$0.030	4.01s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 5 Tokens de entrada 115,759 Tokens de saída 2,562 Tokens de raciocínio 160,943 Tempo de resposta (médio) 4.01s Tempo de resposta (total) 88.25s Tempo de resposta (máx.) 17.71s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 6.7 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#281#281	Mercury 2none	4.7	Inception	$0.030	825ms
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 24.2% Testes instáveis 2 Tokens de entrada 89,637 Tokens de saída 9,584 Tokens de raciocínio 0 Tempo de resposta (médio) 825ms Tempo de resposta (total) 18.14s Tempo de resposta (máx.) 4.52s Resposta incorreta: 17 Não seguiu as instruções: 1 Truques anti-IA : 3.0 Programação : 3.4 Combinado : 3.0 Análise e extração de dados : 7.3 Específico do domínio : 5.9 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#279#279	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 2 Tokens de entrada 44,969 Tokens de saída 58,087 Tokens de raciocínio 0 Tempo de resposta (médio) 14.73s Tempo de resposta (total) 220.93s Tempo de resposta (máx.) 53.14s Erro de API: 4 Resposta incorreta: 4 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.5 Programação : 1.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#283#283	Qwen3 Coder Nextmedium	4.6	Qwen	$0.034 ↑	9.07s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 25.8% Testes instáveis 4 Tokens de entrada 148,203 Tokens de saída 19,069 Tokens de raciocínio 0 Tempo de resposta (médio) 9.07s Tempo de resposta (total) 154.19s Tempo de resposta (máx.) 81.80s Resposta incorreta: 14 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 3.5 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 6.3 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#233#233	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.037 ↓	36.17s
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 240,230 Tokens de saída 100,726 Tokens de raciocínio 0 Tempo de resposta (médio) 36.17s Tempo de resposta (total) 795.83s Tempo de resposta (máx.) 247.27s Resposta incorreta: 13 Formatação extra: 2 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.0 Programação : 4.2 Combinado : 4.6 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#84#84	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.039 ↓	51.81s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 108,480 Tokens de saída 37,229 Tokens de raciocínio 174,081 Tempo de resposta (médio) 51.81s Tempo de resposta (total) 1139.75s Tempo de resposta (máx.) 218.13s Resposta incorreta: 6 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 7.8 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#268#268	Hy4 previewnone	4.8	Tencent	$0.041	39.24s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 4.3 Taxa de acerto por tentativa 16.7% Testes instáveis 1 Tokens de entrada 26,376 Tokens de saída 7,306 Tokens de raciocínio 0 Tempo de resposta (médio) 39.24s Tempo de resposta (total) 863.30s Tempo de resposta (máx.) 95.32s Resposta incorreta: 9 Erro de API: 7 Não seguiu as instruções: 2 Formatação extra: 1 Truques anti-IA : 3.3 Programação : 3.8 Combinado : 3.0 Análise e extração de dados : 8.7 Específico do domínio : 6.8 Inteligência geral : 5.1 Seguimento de instruções : 7.0 Resolução de quebra-cabeças : 4.6 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#271#271	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
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 115,933 Tokens de saída 13,794 Tokens de raciocínio 0 Tempo de resposta (médio) 2.56s Tempo de resposta (total) 56.37s Tempo de resposta (máx.) 25.50s Resposta incorreta: 15 Não seguiu as instruções: 2 Sem resposta: 1 Truques anti-IA : 3.5 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#230#230	Hy3 previewlow	5.5	Tencent	$0.042 ↕	24.56s
Ver cartão do modelo Total de testes 21 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 50.0% Testes instáveis 2 Tokens de entrada 21,045 Tokens de saída 63,460 Tokens de raciocínio 0 Tempo de resposta (médio) 24.56s Tempo de resposta (total) 368.35s Tempo de resposta (máx.) 78.74s Erro de API: 7 Resposta incorreta: 4 Truques anti-IA : 8.3 Programação : 5.3 Combinado : 5.0 Análise e extração de dados : 6.5 Específico do domínio : 5.9 Inteligência geral : 3.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#120#120	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 6 Tokens de entrada 92,191 Tokens de saída 14,286 Tokens de raciocínio 289,733 Tempo de resposta (médio) 38.05s Tempo de resposta (total) 837.05s Tempo de resposta (máx.) 394.54s Resposta incorreta: 7 Não seguiu as instruções: 3 Erro de API: 1 Truques anti-IA : 10.0 Programação : 6.7 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 4.0 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 7.3 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