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
#104#104	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 2 Tokens de entrada 97,324 Tokens de saída 44,383 Tokens de raciocínio 346,490 Tempo de resposta (médio) 143.55s Tempo de resposta (total) 3158.11s Tempo de resposta (máx.) 939.52s Resposta incorreta: 7 Erro de API: 1 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 4.8 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#108#108	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
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 123,273 Tokens de saída 19,362 Tokens de raciocínio 0 Tempo de resposta (médio) 7.67s Tempo de resposta (total) 122.78s Tempo de resposta (máx.) 51.18s Resposta incorreta: 5 Formatação extra: 4 Não seguiu as instruções: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#113#113	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 54.6% Testes instáveis 0 Tokens de entrada 98,833 Tokens de saída 58,097 Tokens de raciocínio 0 Tempo de resposta (médio) 12.11s Tempo de resposta (total) 266.40s Tempo de resposta (máx.) 206.03s Resposta incorreta: 9 Não seguiu as instruções: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.3 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 7.7 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
#126#126	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 5 Tokens de entrada 140,244 Tokens de saída 13,739 Tokens de raciocínio 212,165 Tempo de resposta (médio) 44.21s Tempo de resposta (total) 972.64s Tempo de resposta (máx.) 216.69s Resposta incorreta: 6 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 5.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#127#127	GPT-5.6 Solnone	7.0	OpenAI	$0.201 ↓	2.17s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 3 Tokens de entrada 78,602 Tokens de saída 4,357 Tokens de raciocínio 0 Tempo de resposta (médio) 2.17s Tempo de resposta (total) 47.66s Tempo de resposta (máx.) 12.81s Resposta incorreta: 9 Não seguiu as instruções: 1 Truques anti-IA : 8.3 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 6.5 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#129#129	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 8.1 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 82,592 Tokens de saída 16,089 Tokens de raciocínio 199,800 Tempo de resposta (médio) 58.80s Tempo de resposta (total) 1234.72s Tempo de resposta (máx.) 308.75s Resposta incorreta: 4 Sem resposta: 2 Tempo esgotado: 2 Erro de API: 1 Formatação extra: 1 Truques anti-IA : 10.0 Programação : 4.6 Combinado : 9.8 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#130#130	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 2 Tokens de entrada 79,294 Tokens de saída 4,915 Tokens de raciocínio 0 Tempo de resposta (médio) 2.35s Tempo de resposta (total) 51.78s Tempo de resposta (máx.) 12.24s Resposta incorreta: 10 Truques anti-IA : 6.9 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#140#140	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 5 Tokens de entrada 129,050 Tokens de saída 20,026 Tokens de raciocínio 616,923 Tempo de resposta (médio) 44.97s Tempo de resposta (total) 989.32s Tempo de resposta (máx.) 578.13s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 5.0 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 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
#146#146	GLM 5.3low	6.8	Z.ai	$0.257	13.65s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 104,989 Tokens de saída 8,532 Tokens de raciocínio 16,276 Tempo de resposta (médio) 13.65s Tempo de resposta (total) 300.22s Tempo de resposta (máx.) 83.60s Resposta incorreta: 8 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.9 Programação : 6.2 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#157#157	Gemini 3.5 Flash Litelow	6.6	Google	$0.138	2.56s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 6 Tokens de entrada 139,165 Tokens de saída 12,899 Tokens de raciocínio 25,511 Tempo de resposta (médio) 2.56s Tempo de resposta (total) 56.32s Tempo de resposta (máx.) 15.14s Resposta incorreta: 8 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 9.0 Programação : 4.3 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 4.7
#162#162	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.672 ↓	58.49s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 2 Tokens de entrada 85,148 Tokens de saída 61,736 Tokens de raciocínio 681,556 Tempo de resposta (médio) 58.49s Tempo de resposta (total) 1169.83s Tempo de resposta (máx.) 817.57s Resposta incorreta: 5 Erro de API: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 7.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.0 Chamada de ferramentas : 3.0 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
#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
#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
#219#219	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Ver cartão do modelo Total de testes 18 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 56.1% Testes instáveis 4 Tokens de entrada 29,134 Tokens de saída 1,984 Tokens de raciocínio 1,355,583 Tempo de resposta (médio) 61.96s Tempo de resposta (total) 1115.31s Tempo de resposta (máx.) 149.23s Resposta incorreta: 4 Não seguiu as instruções: 3 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 3.3 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 5.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#176#176	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Ver cartão do modelo Total de testes 21 Testes errados 9 Confiabilidade 9.6 Taxa de acerto por tentativa 69.7% Testes instáveis 5 Tokens de entrada 40,961 Tokens de saída 2,518 Tokens de raciocínio 81,801 Tempo de resposta (médio) 22.16s Tempo de resposta (total) 443.22s Tempo de resposta (máx.) 136.29s Resposta incorreta: 5 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 2.3 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 : 6.4 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#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
#52#52	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 4 Tokens de entrada 141,878 Tokens de saída 11,033 Tokens de raciocínio 105,456 Tempo de resposta (médio) 11.89s Tempo de resposta (total) 261.69s Tempo de resposta (máx.) 54.15s Resposta incorreta: 5 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.9 Programação : 10.0 Combinado : 6.6 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 8.3 Chamada de ferramentas : 9.8 Conhecimentos gerais : 3.0
#58#58	Muse Glimmer 30Bxhigh	8.1	Meta	$0.510 ↓	95.55s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.9 Taxa de acerto por tentativa 69.7% Testes instáveis 4 Tokens de entrada 110,930 Tokens de saída 116,373 Tokens de raciocínio 330,471 Tempo de resposta (médio) 95.55s Tempo de resposta (total) 2102.12s Tempo de resposta (máx.) 576.79s Resposta incorreta: 4 Sem resposta: 3 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 6.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 7.8 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
#67#67	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
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 101,104 Tokens de saída 29,742 Tokens de raciocínio 0 Tempo de resposta (médio) 7.73s Tempo de resposta (total) 162.40s Tempo de resposta (máx.) 38.52s Resposta incorreta: 6 Erro de API: 1 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#68#68	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 3 Tokens de entrada 114,191 Tokens de saída 409,709 Tokens de raciocínio 0 Tempo de resposta (médio) 23.51s Tempo de resposta (total) 517.21s Tempo de resposta (máx.) 152.83s Resposta incorreta: 6 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.7 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