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: 2026-09-22 Modelos avaliados: 343

Modelos recomendados

GPT-6 Astra xhigh Inteligente Taxa de acerto por tentativa 97.0% Testes corretos 21 / 22 Pontuação 9.9/10 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 $0.040 / 1M Preço de saída $0.640 / 1M Pontuação 8.0/10

343/343

Posição	Modelo	Pontuação	Empresa	Custo total	Tempo de resposta (médio)
#332#332	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
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 115,314 Tokens de saída 133,965 Tokens de raciocínio 816,718 Tempo de resposta (médio) 75.68s Tempo de resposta (total) 1589.20s Tempo de resposta (máx.) 345.15s Sem resposta: 7 Resposta incorreta: 6 Não seguiu as instruções: 3 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.4 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 2.8 Específico do domínio : 2.9 Inteligência geral : 5.4 Seguimento de instruções : 6.8 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#112#112	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 9.7 Taxa de acerto por tentativa 62.1% Testes instáveis 5 Tokens de entrada 121,996 Tokens de saída 90,051 Tokens de raciocínio 185,731 Tempo de resposta (médio) 75.15s Tempo de resposta (total) 1578.24s Tempo de resposta (máx.) 431.03s Resposta incorreta: 4 Tempo esgotado: 3 Não seguiu as instruções: 2 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 5.5 Programação : 6.1 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.2 Inteligência geral : 5.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#57#57	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Ver cartão do modelo Total de testes 22 Testes errados 6 Confiabilidade 10.0 Taxa de acerto por tentativa 81.8% Testes instáveis 4 Tokens de entrada 106,787 Tokens de saída 4,811 Tokens de raciocínio 244,997 Tempo de resposta (médio) 73.46s Tempo de resposta (total) 1616.12s Tempo de resposta (máx.) 514.35s Resposta incorreta: 5 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 8.2 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#30#30	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 86.4% Testes instáveis 3 Tokens de entrada 152,175 Tokens de saída 5,655 Tokens de raciocínio 318,807 Tempo de resposta (médio) 72.30s Tempo de resposta (total) 1590.56s Tempo de resposta (máx.) 676.83s Sem resposta: 2 Resposta incorreta: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 4.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#98#98	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 8.5 Taxa de acerto por tentativa 77.3% Testes instáveis 6 Tokens de entrada 85,657 Tokens de saída 8,142 Tokens de raciocínio 233,167 Tempo de resposta (médio) 72.24s Tempo de resposta (total) 1589.31s Tempo de resposta (máx.) 485.92s Resposta incorreta: 6 Erro de API: 2 Não seguiu as instruções: 1 Truques anti-IA : 8.7 Programação : 7.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 4.1 Inteligência geral : 6.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 9.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#279#279	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.155 ↕	70.11s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 9.9 Taxa de acerto por tentativa 48.5% Testes instáveis 11 Tokens de entrada 126,330 Tokens de saída 165,702 Tokens de raciocínio 594,739 Tempo de resposta (médio) 70.11s Tempo de resposta (total) 1542.52s Tempo de resposta (máx.) 437.11s Resposta incorreta: 13 Não seguiu as instruções: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.9 Programação : 4.4 Combinado : 6.2 Análise e extração de dados : 3.7 Específico do domínio : 2.9 Inteligência geral : 5.5 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 4.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#163#163	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 4 Tokens de entrada 98,700 Tokens de saída 1,050,900 Tokens de raciocínio 0 Tempo de resposta (médio) 70.10s Tempo de resposta (total) 1542.14s Tempo de resposta (máx.) 364.99s Resposta incorreta: 7 Sem resposta: 3 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 4.0 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#79#79	GLM 5.2high	8.0	Z.ai	$0.799 ↓	69.86s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 69.7% Testes instáveis 3 Tokens de entrada 83,822 Tokens de saída 72,040 Tokens de raciocínio 292,615 Tempo de resposta (médio) 69.86s Tempo de resposta (total) 1536.98s Tempo de resposta (máx.) 599.43s Tempo esgotado: 3 Sem resposta: 2 Resposta incorreta: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 6.4 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 3.1 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#314#314	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Ver cartão do modelo Total de testes 22 Testes errados 17 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 9 Tokens de entrada 142,621 Tokens de saída 20,409 Tokens de raciocínio 251,820 Tempo de resposta (médio) 69.08s Tempo de resposta (total) 1036.24s Tempo de resposta (máx.) 251.36s Resposta incorreta: 7 Tempo esgotado: 4 Não seguiu as instruções: 3 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.9 Programação : 3.4 Combinado : 3.7 Análise e extração de dados : 4.6 Específico do domínio : 2.9 Inteligência geral : 3.8 Seguimento de instruções : 7.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#200#200	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
Ver cartão do modelo Total de testes 22 Testes errados 11 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 3 Tokens de entrada 113,613 Tokens de saída 122,706 Tokens de raciocínio 42,325 Tempo de resposta (médio) 68.80s Tempo de resposta (total) 1375.99s Tempo de resposta (máx.) 304.19s Resposta incorreta: 6 Erro de API: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 5.3 Combinado : 7.3 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.9 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#55#55	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 3 Tokens de entrada 122,155 Tokens de saída 5,514 Tokens de raciocínio 293,946 Tempo de resposta (médio) 68.59s Tempo de resposta (total) 1508.91s Tempo de resposta (máx.) 436.38s Resposta incorreta: 5 Truques anti-IA : 10.0 Programação : 7.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 6.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#150#150	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
#274#274	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Ver cartão do modelo Total de testes 16 Testes errados 3 Confiabilidade N/D Taxa de acerto por tentativa 59.1% Testes instáveis 0 Tokens de entrada 28,980 Tokens de saída 1,283 Tokens de raciocínio 1,533,310 Tempo de resposta (médio) 68.14s Tempo de resposta (total) 1090.28s Tempo de resposta (máx.) 280.52s Resposta incorreta: 2 Não seguiu as instruções: 1 Truques anti-IA : 7.5 Programação : 0.0 Combinado : 5.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 0.0
#336#336	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 9.6 Taxa de acerto por tentativa 24.2% Testes instáveis 3 Tokens de entrada 103,898 Tokens de saída 148,304 Tokens de raciocínio 774,972 Tempo de resposta (médio) 68.08s Tempo de resposta (total) 1429.66s Tempo de resposta (máx.) 262.20s Sem resposta: 7 Resposta incorreta: 5 Não seguiu as instruções: 4 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.5 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 2.7 Específico do domínio : 3.0 Inteligência geral : 3.8 Seguimento de instruções : 6.8 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#195#195	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 59.1% Testes instáveis 6 Tokens de entrada 127,621 Tokens de saída 141,858 Tokens de raciocínio 590,204 Tempo de resposta (médio) 67.81s Tempo de resposta (total) 1491.80s Tempo de resposta (máx.) 480.52s Resposta incorreta: 8 Sem resposta: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.7 Programação : 5.8 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 5.3 Inteligência geral : 3.4 Seguimento de instruções : 8.3 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#230#230	Dots 3 Note Previewmedium	5.9	Dots Studio	$0.000	67.13s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 8 Tokens de entrada 94,639 Tokens de saída 108,013 Tokens de raciocínio 571,526 Tempo de resposta (médio) 67.13s Tempo de resposta (total) 1476.95s Tempo de resposta (máx.) 459.19s Resposta incorreta: 9 Não seguiu as instruções: 2 Sem resposta: 2 Formatação extra: 1 Truques anti-IA : 8.7 Programação : 4.2 Combinado : 9.9 Análise e extração de dados : 4.5 Específico do domínio : 3.6 Inteligência geral : 3.8 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#139#139	Muse Glimmer 30Bhigh	7.2	Meta	$0.430 ↓	66.70s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 8 Tokens de entrada 103,494 Tokens de saída 100,589 Tokens de raciocínio 270,217 Tempo de resposta (médio) 66.70s Tempo de resposta (total) 1467.39s Tempo de resposta (máx.) 451.90s Resposta incorreta: 7 Não seguiu as instruções: 3 Sem resposta: 2 Truques anti-IA : 8.7 Programação : 8.8 Combinado : 6.4 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 5.3 Seguimento de instruções : 8.4 Resolução de quebra-cabeças : 6.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#49#49	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Ver cartão do modelo Total de testes 22 Testes errados 5 Confiabilidade 10.0 Taxa de acerto por tentativa 83.3% Testes instáveis 2 Tokens de entrada 79,249 Tokens de saída 5,097 Tokens de raciocínio 165,276 Tempo de resposta (médio) 66.52s Tempo de resposta (total) 1463.50s Tempo de resposta (máx.) 238.07s Resposta incorreta: 4 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 8.8 Combinado : 7.3 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#333#333	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Ver cartão do modelo Total de testes 22 Testes errados 18 Confiabilidade 9.6 Taxa de acerto por tentativa 19.7% Testes instáveis 1 Tokens de entrada 99,662 Tokens de saída 146,555 Tokens de raciocínio 732,977 Tempo de resposta (médio) 66.16s Tempo de resposta (total) 1389.33s Tempo de resposta (máx.) 252.08s Sem resposta: 7 Resposta incorreta: 5 Não seguiu as instruções: 4 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.5 Programação : 2.9 Combinado : 3.0 Análise e extração de dados : 2.8 Específico do domínio : 3.0 Inteligência geral : 5.1 Seguimento de instruções : 6.6 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#143#143	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.047 ↓	65.67s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 10.0 Taxa de acerto por tentativa 71.2% Testes instáveis 4 Tokens de entrada 124,780 Tokens de saída 47,694 Tokens de raciocínio 439,825 Tempo de resposta (médio) 65.67s Tempo de resposta (total) 1444.68s Tempo de resposta (máx.) 519.30s Resposta incorreta: 5 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 6.0 Combinado : 6.4 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#75#75	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Ver cartão do modelo Total de testes 22 Testes errados 7 Confiabilidade 10.0 Taxa de acerto por tentativa 77.3% Testes instáveis 3 Tokens de entrada 86,755 Tokens de saída 6,057 Tokens de raciocínio 230,570 Tempo de resposta (médio) 62.57s Tempo de resposta (total) 1376.46s Tempo de resposta (máx.) 327.51s Resposta incorreta: 4 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 8.5 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#246#246	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
#194#194	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Ver cartão do modelo Total de testes 22 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 57.6% Testes instáveis 5 Tokens de entrada 113,889 Tokens de saída 110,550 Tokens de raciocínio 496,487 Tempo de resposta (médio) 61.81s Tempo de resposta (total) 1359.72s Tempo de resposta (máx.) 417.36s Resposta incorreta: 7 Não seguiu as instruções: 2 Sem resposta: 2 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 5.9 Combinado : 6.9 Análise e extração de dados : 7.3 Específico do domínio : 3.6 Inteligência geral : 4.0 Seguimento de instruções : 7.9 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#65#65	DeepSeek V4.1 Flashmax	8.3	DeepSeek	$0.537	61.35s
Ver cartão do modelo Total de testes 22 Testes errados 8 Confiabilidade 9.1 Taxa de acerto por tentativa 68.2% Testes instáveis 2 Tokens de entrada 89,024 Tokens de saída 5,558 Tokens de raciocínio 865,568 Tempo de resposta (médio) 61.35s Tempo de resposta (total) 1349.61s Tempo de resposta (máx.) 335.08s Resposta incorreta: 6 Erro de API: 1 Não seguiu as instruções: 1 Truques anti-IA : 8.3 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 6.5 Específico do domínio : 3.6 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#3🥉 #3	GPT-6 Astramax	9.9	OpenAI	$3.803	61.27s
Ver cartão do modelo Total de testes 22 Testes errados 1 Confiabilidade 9.5 Taxa de acerto por tentativa 95.5% Testes instáveis 0 Tokens de entrada 79,058 Tokens de saída 4,853 Tokens de raciocínio 55,377 Tempo de resposta (médio) 61.27s Tempo de resposta (total) 1347.96s Tempo de resposta (máx.) 960.01s Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 10.0 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 10.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 10.0

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 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium