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)
#177#177	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 62.1% Testes instáveis 3 Tokens de entrada 40,111 Tokens de saída 12,476 Tokens de raciocínio 125,039 Tempo de resposta (médio) 20.11s Tempo de resposta (total) 301.59s Tempo de resposta (máx.) 96.01s Resposta incorreta: 5 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Truques anti-IA : 8.1 Programação : 6.0 Combinado : 4.9 Análise e extração de dados : 6.5 Específico do domínio : 5.9 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#143#143	Solar Pro 4low	6.8	Upstage	$0.044	136.11s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 6 Tokens de entrada 90,556 Tokens de saída 6,153 Tokens de raciocínio 332,220 Tempo de resposta (médio) 136.11s Tempo de resposta (total) 2994.49s Tempo de resposta (máx.) 640.89s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 8.2 Programação : 5.5 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.0 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#61#61	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.044 ↓	77.55s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 5 Tokens de entrada 93,345 Tokens de saída 35,723 Tokens de raciocínio 350,266 Tempo de resposta (médio) 77.55s Tempo de resposta (total) 1706.18s Tempo de resposta (máx.) 438.65s Resposta incorreta: 7 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.2 Programação : 7.3 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 6.5 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 8.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#172#172	LongCat 2.0none	6.4	Meituan	$0.044	5.17s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 40.9% Testes instáveis 2 Tokens de entrada 108,752 Tokens de saída 9,375 Tokens de raciocínio 0 Tempo de resposta (médio) 5.17s Tempo de resposta (total) 113.83s Tempo de resposta (máx.) 48.38s Resposta incorreta: 13 Formatação extra: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 4.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#224#224	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Ver cartão do modelo Total de testes 21 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 39.4% Testes instáveis 3 Tokens de entrada 39,344 Tokens de saída 2,352 Tokens de raciocínio 0 Tempo de resposta (médio) 2.27s Tempo de resposta (total) 45.50s Tempo de resposta (máx.) 6.58s Resposta incorreta: 11 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#235#235	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.046	10.63s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 9.9 Taxa de acerto por tentativa 43.9% Testes instáveis 6 Tokens de entrada 61,094 Tokens de saída 6,532 Tokens de raciocínio 53,882 Tempo de resposta (médio) 10.63s Tempo de resposta (total) 233.77s Tempo de resposta (máx.) 86.23s Resposta incorreta: 7 Formatação extra: 4 Erro de API: 2 Não seguiu as instruções: 2 Truques anti-IA : 7.3 Programação : 3.5 Combinado : 6.4 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#186#186	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 50.0% Testes instáveis 4 Tokens de entrada 118,059 Tokens de saída 10,723 Tokens de raciocínio 0 Tempo de resposta (médio) 1.75s Tempo de resposta (total) 38.42s Tempo de resposta (máx.) 16.25s Resposta incorreta: 11 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 7.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#125#125	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 62.1% Testes instáveis 5 Tokens de entrada 79,740 Tokens de saída 23,357 Tokens de raciocínio 339,837 Tempo de resposta (médio) 120.58s Tempo de resposta (total) 2652.77s Tempo de resposta (máx.) 491.07s Resposta incorreta: 5 Não seguiu as instruções: 3 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 5.7 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.5 Seguimento de instruções : 7.9 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#257#257	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Ver cartão do modelo Total de testes 21 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 30.3% Testes instáveis 2 Tokens de entrada 32,525 Tokens de saída 1,815 Tokens de raciocínio 0 Tempo de resposta (médio) 2.82s Tempo de resposta (total) 59.29s Tempo de resposta (máx.) 8.21s Resposta incorreta: 13 Não seguiu as instruções: 2 Truques anti-IA : 3.0 Programação : 3.9 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#182#182	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 51.5% Testes instáveis 3 Tokens de entrada 119,076 Tokens de saída 11,118 Tokens de raciocínio 0 Tempo de resposta (médio) 1.85s Tempo de resposta (total) 40.74s Tempo de resposta (máx.) 12.97s Resposta incorreta: 8 Não seguiu as instruções: 3 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#144#144	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 9.9 Taxa de acerto por tentativa 62.1% Testes instáveis 4 Tokens de entrada 87,902 Tokens de saída 30,743 Tokens de raciocínio 335,668 Tempo de resposta (médio) 127.64s Tempo de resposta (total) 2808.09s Tempo de resposta (máx.) 519.91s Resposta incorreta: 5 Não seguiu as instruções: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 8.2 Programação : 5.5 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 9.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#226#226	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 9.6 Taxa de acerto por tentativa 45.5% Testes instáveis 3 Tokens de entrada 51,369 Tokens de saída 8,008 Tokens de raciocínio 58,568 Tempo de resposta (médio) 8.65s Tempo de resposta (total) 190.35s Tempo de resposta (máx.) 48.19s Resposta incorreta: 10 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 3.6 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#167#167	Hy3 previewmedium	6.5	Tencent	$0.049 ↕	16.28s
Ver cartão do modelo Total de testes 21 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 0 Tokens de entrada 27,030 Tokens de saída 73,544 Tokens de raciocínio 0 Tempo de resposta (médio) 16.28s Tempo de resposta (total) 293.12s Tempo de resposta (máx.) 46.04s Erro de API: 3 Resposta incorreta: 3 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 5.3 Combinado : 5.0 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#212#212	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	52.31s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 9.1 Taxa de acerto por tentativa 40.9% Testes instáveis 3 Tokens de entrada 81,438 Tokens de saída 17,674 Tokens de raciocínio 97,900 Tempo de resposta (médio) 52.31s Tempo de resposta (total) 1046.21s Tempo de resposta (máx.) 431.98s Resposta incorreta: 5 Erro de API: 4 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 3.1 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.1 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#87#87	Solar Pro 4xhigh	7.6	Upstage	$0.050	134.85s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 2 Tokens de entrada 98,116 Tokens de saída 21,720 Tokens de raciocínio 367,730 Tempo de resposta (médio) 134.85s Tempo de resposta (total) 2966.79s Tempo de resposta (máx.) 491.42s Resposta incorreta: 4 Não seguiu as instruções: 3 Sem resposta: 2 Formatação extra: 1 Truques anti-IA : 8.3 Programação : 5.8 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 8.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#246#246	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.051 ↓	5.57s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 28.8% Testes instáveis 5 Tokens de entrada 93,990 Tokens de saída 45,905 Tokens de raciocínio 0 Tempo de resposta (médio) 5.57s Tempo de resposta (total) 111.32s Tempo de resposta (máx.) 39.54s Resposta incorreta: 13 Erro de API: 2 Não seguiu as instruções: 2 Sem resposta: 1 Truques anti-IA : 3.6 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#180#180	GPT-5.6 Lunalow	6.2	OpenAI	$0.051 ↓	5.20s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 54.5% Testes instáveis 5 Tokens de entrada 96,355 Tokens de saída 8,213 Tokens de raciocínio 18,073 Tempo de resposta (médio) 5.20s Tempo de resposta (total) 114.46s Tempo de resposta (máx.) 19.44s Resposta incorreta: 10 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.0 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#168#168	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.56s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 1 Tokens de entrada 120,955 Tokens de saída 14,161 Tokens de raciocínio 0 Tempo de resposta (médio) 1.56s Tempo de resposta (total) 34.32s Tempo de resposta (máx.) 9.27s Resposta incorreta: 7 Não seguiu as instruções: 2 Sem resposta: 1 Truques anti-IA : 7.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#221#221	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Ver cartão do modelo Total de testes 21 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 36.4% Testes instáveis 0 Tokens de entrada 37,100 Tokens de saída 1,766 Tokens de raciocínio 0 Tempo de resposta (médio) 2.99s Tempo de resposta (total) 62.74s Tempo de resposta (máx.) 6.51s Resposta incorreta: 11 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 1.5 Análise e extração de dados : 10.0 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
#79#79	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 6 Tokens de entrada 116,331 Tokens de saída 12,330 Tokens de raciocínio 357,920 Tempo de resposta (médio) 41.37s Tempo de resposta (total) 910.11s Tempo de resposta (máx.) 431.47s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 6.9 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 : 7.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#234#234	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 24.2% Testes instáveis 3 Tokens de entrada 86,647 Tokens de saída 97,298 Tokens de raciocínio 242,297 Tempo de resposta (médio) 58.42s Tempo de resposta (total) 1285.26s Tempo de resposta (máx.) 560.31s Resposta incorreta: 13 Chamada de ferramenta inválida: 2 Sem resposta: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.4 Programação : 5.3 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 4.2 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#241#241	Inkling Smallnone	5.3	Thinkingmachines	$0.054 ↓	1.51s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 24.2% Testes instáveis 1 Tokens de entrada 94,733 Tokens de saída 8,770 Tokens de raciocínio 0 Tempo de resposta (médio) 1.51s Tempo de resposta (total) 33.21s Tempo de resposta (máx.) 12.35s Resposta incorreta: 15 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.1 Programação : 3.6 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#262#262	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Ver cartão do modelo Total de testes 22 Testes errados 16 Confiabilidade 10.0 Taxa de acerto por tentativa 36.4% Testes instáveis 5 Tokens de entrada 135,831 Tokens de saída 42,099 Tokens de raciocínio 0 Tempo de resposta (médio) 17.89s Tempo de resposta (total) 393.53s Tempo de resposta (máx.) 115.89s Resposta incorreta: 8 Erro de API: 3 Formatação extra: 2 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.2 Programação : 3.1 Combinado : 4.8 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 4.7 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#214#214	Inkling Smalllow	5.7	Thinkingmachines	$0.055 ↓	2.07s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 50.0% Testes instáveis 4 Tokens de entrada 81,447 Tokens de saída 2,715 Tokens de raciocínio 11,971 Tempo de resposta (médio) 2.07s Tempo de resposta (total) 45.64s Tempo de resposta (máx.) 5.82s Resposta incorreta: 9 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Truques anti-IA : 9.2 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.3 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#293#293	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 27.3% Testes instáveis 0 Tokens de entrada 41,313 Tokens de saída 1,923 Tokens de raciocínio 0 Tempo de resposta (médio) 1.11s Tempo de resposta (total) 19.96s Tempo de resposta (máx.) 6.04s Resposta incorreta: 10 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 1.1 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0

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