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)
#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
#297#297	Ling 3.0 Tinynone	4.0	Inclusionai	$0.000	14.02s
Ver cartão do modelo Total de testes 22 Testes errados 20 Confiabilidade 9.8 Taxa de acerto por tentativa 9.1% Testes instáveis 0 Tokens de entrada 184,579 Tokens de saída 110,071 Tokens de raciocínio 0 Tempo de resposta (médio) 14.02s Tempo de resposta (total) 294.46s Tempo de resposta (máx.) 240.61s Resposta incorreta: 13 Não seguiu as instruções: 4 Erro de API: 1 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 4.8 Programação : 4.2 Combinado : 3.0 Análise e extração de dados : 6.3 Específico do domínio : 3.0 Inteligência geral : 3.4 Seguimento de instruções : 3.1 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 3.0 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
#309#309	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
Ver cartão do modelo Total de testes 19 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 15.2% Testes instáveis 2 Tokens de entrada 11,661 Tokens de saída 1,302 Tokens de raciocínio 0 Tempo de resposta (médio) 728ms Tempo de resposta (total) 9.47s Tempo de resposta (máx.) 2.21s Resposta incorreta: 9 Erro de API: 6 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 3.3 Combinado : 1.5 Análise e extração de dados : 3.8 Específico do domínio : 3.6 Inteligência geral : 3.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#311#311	LFM2-24B-A2Bnone	2.2	Liquid	$0.001	782ms
Ver cartão do modelo Total de testes 16 Testes errados 14 Confiabilidade N/D Taxa de acerto por tentativa 12.1% Testes instáveis 1 Tokens de entrada 10,771 Tokens de saída 1,173 Tokens de raciocínio 0 Tempo de resposta (médio) 782ms Tempo de resposta (total) 10.94s Tempo de resposta (máx.) 3.15s Resposta incorreta: 9 Erro de API: 4 Não seguiu as instruções: 1 Truques anti-IA : 2.5 Programação : 0.0 Combinado : 1.5 Análise e extração de dados : 3.0 Específico do domínio : 5.9 Inteligência geral : 4.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 3.8 Chamada de ferramentas : 3.0 Conhecimentos gerais : 0.0
#228#228	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 5.4 Taxa de acerto por tentativa 19.7% Testes instáveis 3 Tokens de entrada 45,154 Tokens de saída 4,022 Tokens de raciocínio 678,516 Tempo de resposta (médio) 214.25s Tempo de resposta (total) 4713.56s Tempo de resposta (máx.) 597.45s Erro de API: 14 Resposta incorreta: 3 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.0 Programação : 5.2 Combinado : 2.9 Análise e extração de dados : 8.7 Específico do domínio : 4.5 Inteligência geral : 7.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#247#247	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Ver cartão do modelo Total de testes 22 Testes errados 19 Confiabilidade 10.0 Taxa de acerto por tentativa 16.7% Testes instáveis 1 Tokens de entrada 116,155 Tokens de saída 19,679 Tokens de raciocínio 0 Tempo de resposta (médio) 3.53s Tempo de resposta (total) 77.68s Tempo de resposta (máx.) 24.48s Resposta incorreta: 15 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.1 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 4.8 Resolução de quebra-cabeças : 3.3 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
#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
#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
#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
#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
#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
#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
#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
#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
#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
#240#240	Laguna S 2.1high	5.4	Poolside	$0.114 ↓	111.60s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 10.0 Taxa de acerto por tentativa 27.3% Testes instáveis 5 Tokens de entrada 208,937 Tokens de saída 175,588 Tokens de raciocínio 409,276 Tempo de resposta (médio) 111.60s Tempo de resposta (total) 2455.24s Tempo de resposta (máx.) 1190.11s Resposta incorreta: 11 Chamada de ferramenta inválida: 2 Sem resposta: 2 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 3.4 Programação : 5.3 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 4.6 Seguimento de instruções : 4.6 Resolução de quebra-cabeças : 2.9 Chamada de ferramentas : 10.0 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
#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
#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
#258#258	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 8.7 Taxa de acerto por tentativa 18.2% Testes instáveis 0 Tokens de entrada 130,501 Tokens de saída 26,786 Tokens de raciocínio 0 Tempo de resposta (médio) 29.95s Tempo de resposta (total) 658.83s Tempo de resposta (máx.) 159.85s Resposta incorreta: 12 Formatação extra: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Truques anti-IA : 3.0 Programação : 3.9 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 3.0 Inteligência geral : 3.9 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 3.5 Chamada de ferramentas : 9.5 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
#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
#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

1 2 13

→

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