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)
#76#76	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.6 Taxa de acerto por tentativa 66.7% Testes instáveis 1 Tokens de entrada 98,266 Tokens de saída 1,861 Tokens de raciocínio 134,301 Tempo de resposta (médio) 33.05s Tempo de resposta (total) 694.04s Tempo de resposta (máx.) 214.63s Resposta incorreta: 3 Não seguiu as instruções: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 8.7 Análise e extração de dados : 6.5 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#158#158	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
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 102,325 Tokens de saída 24,323 Tokens de raciocínio 0 Tempo de resposta (médio) 4.77s Tempo de resposta (total) 105.00s Tempo de resposta (máx.) 69.46s Resposta incorreta: 11 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 5.8 Combinado : 6.4 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 : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#35#35	GLM 5.3 Flashmax	8.7	Z.ai	$0.059	52.10s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 3 Tokens de entrada 96,873 Tokens de saída 7,637 Tokens de raciocínio 196,703 Tempo de resposta (médio) 52.10s Tempo de resposta (total) 1146.24s Tempo de resposta (máx.) 333.47s Resposta incorreta: 2 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#190#190	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.73s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 1 Tokens de entrada 139,797 Tokens de saída 30,947 Tokens de raciocínio 0 Tempo de resposta (médio) 3.73s Tempo de resposta (total) 81.95s Tempo de resposta (máx.) 48.79s Resposta incorreta: 12 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.1 Programação : 5.4 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 : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#304#304	Qwen3.5-9Bmedium	3.8	Qwen	$0.062 ↑	107.51s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 6.0 Taxa de acerto por tentativa 25.8% Testes instáveis 5 Tokens de entrada 17,195 Tokens de saída 46,735 Tokens de raciocínio 366,707 Tempo de resposta (médio) 107.51s Tempo de resposta (total) 1720.15s Tempo de resposta (máx.) 569.97s Tempo esgotado: 11 Sem resposta: 3 Resposta incorreta: 2 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 5.1 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 3.6 Específico do domínio : 3.6 Inteligência geral : 2.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#137#137	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 7 Tokens de entrada 114,477 Tokens de saída 12,786 Tokens de raciocínio 457,290 Tempo de resposta (médio) 47.38s Tempo de resposta (total) 1042.43s Tempo de resposta (máx.) 593.64s Resposta incorreta: 8 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 5.8 Resolução de quebra-cabeças : 7.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#178#178	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.37s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 40.9% Testes instáveis 3 Tokens de entrada 142,206 Tokens de saída 14,744 Tokens de raciocínio 0 Tempo de resposta (médio) 4.37s Tempo de resposta (total) 96.20s Tempo de resposta (máx.) 44.58s Resposta incorreta: 13 Sem resposta: 1 Truques anti-IA : 3.0 Programação : 5.6 Combinado : 3.0 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 : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#114#114	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 8 Tokens de entrada 89,819 Tokens de saída 58,398 Tokens de raciocínio 492,457 Tempo de resposta (médio) 84.66s Tempo de resposta (total) 1862.46s Tempo de resposta (máx.) 288.78s Resposta incorreta: 5 Sem resposta: 3 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.2 Programação : 6.4 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#166#166	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
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 118,998 Tokens de saída 30,750 Tokens de raciocínio 491,730 Tempo de resposta (médio) 48.18s Tempo de resposta (total) 1059.93s Tempo de resposta (máx.) 422.72s Resposta incorreta: 10 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#237#237	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 33.3% Testes instáveis 4 Tokens de entrada 124,808 Tokens de saída 15,362 Tokens de raciocínio 0 Tempo de resposta (médio) 4.24s Tempo de resposta (total) 93.28s Tempo de resposta (máx.) 53.13s Resposta incorreta: 12 Não seguiu as instruções: 4 Sem resposta: 1 Truques anti-IA : 3.3 Programação : 4.3 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 6.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#278#278	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Ver cartão do modelo Total de testes 19 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 53.0% Testes instáveis 6 Tokens de entrada 42,845 Tokens de saída 2,006 Tokens de raciocínio 96,334 Tempo de resposta (médio) 23.85s Tempo de resposta (total) 286.16s Tempo de resposta (máx.) 121.79s Não seguiu as instruções: 4 Resposta incorreta: 4 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 7.8 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 5.8 Inteligência geral : 4.2 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 2.8 Conhecimentos gerais : 3.0
#274#274	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 36.4% Testes instáveis 7 Tokens de entrada 69,376 Tokens de saída 97,752 Tokens de raciocínio 0 Tempo de resposta (médio) 12.46s Tempo de resposta (total) 274.11s Tempo de resposta (máx.) 121.05s Resposta incorreta: 13 Formatação extra: 3 Erro de API: 1 Truques anti-IA : 5.3 Programação : 3.3 Combinado : 3.8 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#69#69	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 0 Tokens de entrada 99,705 Tokens de saída 1,545 Tokens de raciocínio 167,784 Tempo de resposta (médio) 39.11s Tempo de resposta (total) 860.51s Tempo de resposta (máx.) 376.04s Resposta incorreta: 4 Sem resposta: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 7.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#103#103	GPT-5.6 Lunamedium	7.4	OpenAI	$0.072 ↓	7.43s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 62.1% Testes instáveis 2 Tokens de entrada 89,685 Tokens de saída 5,701 Tokens de raciocínio 38,824 Tempo de resposta (médio) 7.43s Tempo de resposta (total) 163.54s Tempo de resposta (máx.) 29.85s Resposta incorreta: 9 Truques anti-IA : 8.3 Programação : 5.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.1 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#164#164	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 53.0% Testes instáveis 2 Tokens de entrada 102,655 Tokens de saída 29,370 Tokens de raciocínio 0 Tempo de resposta (médio) 9.86s Tempo de resposta (total) 157.77s Tempo de resposta (máx.) 123.00s Resposta incorreta: 11 Truques anti-IA : 4.8 Programação : 4.3 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#200#200	Qwen3.5-Flashnone	6.0	Qwen	$0.073 ↓	25.28s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 10.0 Taxa de acerto por tentativa 34.9% Testes instáveis 2 Tokens de entrada 282,356 Tokens de saída 209,201 Tokens de raciocínio 0 Tempo de resposta (médio) 25.28s Tempo de resposta (total) 556.14s Tempo de resposta (máx.) 480.96s Resposta incorreta: 14 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 2.9 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 : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#220#220	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.87s
Ver cartão do modelo Total de testes 22 Testes errados 15 Confiabilidade 9.8 Taxa de acerto por tentativa 42.4% Testes instáveis 5 Tokens de entrada 50,423 Tokens de saída 4,144 Tokens de raciocínio 110,510 Tempo de resposta (médio) 15.87s Tempo de resposta (total) 349.16s Tempo de resposta (máx.) 118.35s Resposta incorreta: 9 Erro de API: 3 Formatação extra: 3 Truques anti-IA : 6.9 Programação : 4.3 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#128#128	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 7 Tokens de entrada 101,056 Tokens de saída 11,832 Tokens de raciocínio 116,955 Tempo de resposta (médio) 68.43s Tempo de resposta (total) 1505.53s Tempo de resposta (máx.) 376.10s Resposta incorreta: 5 Erro de API: 2 Tempo esgotado: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.2 Programação : 6.0 Combinado : 7.3 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 : 7.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#261#261	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 22.7% Testes instáveis 5 Tokens de entrada 118,752 Tokens de saída 67,823 Tokens de raciocínio 383,885 Tempo de resposta (médio) 85.34s Tempo de resposta (total) 1877.49s Tempo de resposta (máx.) 814.73s Resposta incorreta: 15 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.4 Programação : 3.8 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 4.3 Resolução de quebra-cabeças : 3.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#282#282	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 7.6 Taxa de acerto por tentativa 39.4% Testes instáveis 10 Tokens de entrada 43,278 Tokens de saída 181,083 Tokens de raciocínio 431,132 Tempo de resposta (médio) 235.89s Tempo de resposta (total) 5189.64s Tempo de resposta (máx.) 685.87s Tempo esgotado: 10 Resposta incorreta: 6 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 6.9 Programação : 3.8 Combinado : 5.0 Análise e extração de dados : 3.8 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#193#193	Nemotron 3 Ultranone	6.1	NVIDIA	$0.084 ↕	3.88s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 42.4% Testes instáveis 2 Tokens de entrada 101,168 Tokens de saída 9,470 Tokens de raciocínio 0 Tempo de resposta (médio) 3.88s Tempo de resposta (total) 85.33s Tempo de resposta (máx.) 37.50s Resposta incorreta: 11 Erro de API: 2 Não seguiu as instruções: 1 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#62#62	DeepSeek V4 Flash 0731high	8.0	DeepSeek	$0.084 ↓	114.94s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 5 Tokens de entrada 96,702 Tokens de saída 16,966 Tokens de raciocínio 496,341 Tempo de resposta (médio) 114.94s Tempo de resposta (total) 2528.65s Tempo de resposta (máx.) 600.61s Resposta incorreta: 4 Não seguiu as instruções: 2 Erro de API: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 6.3 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#148#148	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 3 Tokens de entrada 104,217 Tokens de saída 10,710 Tokens de raciocínio 0 Tempo de resposta (médio) 2.82s Tempo de resposta (total) 45.05s Tempo de resposta (máx.) 21.19s Resposta incorreta: 8 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#286#286	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Ver cartão do modelo Total de testes 18 Testes errados 12 Confiabilidade N/D Taxa de acerto por tentativa 30.3% Testes instáveis 1 Tokens de entrada 40,597 Tokens de saída 1,657 Tokens de raciocínio 0 Tempo de resposta (médio) 1.19s Tempo de resposta (total) 21.43s Tempo de resposta (máx.) 6.48s Resposta incorreta: 10 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.0 Programação : 1.8 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#208#208	Seed 2.1 Turbonone	5.9	Bytedance Seed	$0.092	6.84s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 54.6% Testes instáveis 3 Tokens de entrada 129,150 Tokens de saída 10,643 Tokens de raciocínio 0 Tempo de resposta (médio) 6.84s Tempo de resposta (total) 150.46s Tempo de resposta (máx.) 55.92s Resposta incorreta: 11 Sem resposta: 1 Truques anti-IA : 4.8 Programação : 4.5 Combinado : 3.8 Análise e extração de dados : 7.1 Específico do domínio : 7.7 Inteligência geral : 5.0 Seguimento de instruções : 9.8 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