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)
#88#88	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.567 ↕	33.62s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.8 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 233,415 Tokens de saída 54,384 Tokens de raciocínio 130,021 Tempo de resposta (médio) 33.62s Tempo de resposta (total) 739.59s Tempo de resposta (máx.) 392.56s Resposta incorreta: 7 Erro de API: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 10.0 Programação : 8.4 Combinado : 6.3 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 3.7 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.5 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#91#91	GPT-5.6 Terralow	7.5	OpenAI	$0.420 ↓	5.45s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 6 Tokens de entrada 80,304 Tokens de saída 4,714 Tokens de raciocínio 16,872 Tempo de resposta (médio) 5.45s Tempo de resposta (total) 119.83s Tempo de resposta (máx.) 19.85s Resposta incorreta: 8 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 6.6 Combinado : 8.7 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 4.7 Conhecimentos gerais : 3.0
#93#93	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 65.2% Testes instáveis 4 Tokens de entrada 78,846 Tokens de saída 28,179 Tokens de raciocínio 0 Tempo de resposta (médio) 6.56s Tempo de resposta (total) 137.77s Tempo de resposta (máx.) 18.33s Resposta incorreta: 6 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 6.7 Programação : 5.6 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.6 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#95#95	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 75.8% Testes instáveis 6 Tokens de entrada 111,644 Tokens de saída 16,113 Tokens de raciocínio 598,796 Tempo de resposta (médio) 113.28s Tempo de resposta (total) 2492.26s Tempo de resposta (máx.) 1026.43s Resposta incorreta: 4 Não seguiu as instruções: 2 Formatação extra: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 6.2 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 6.1 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#98#98	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 1 Tokens de entrada 106,946 Tokens de saída 7,993 Tokens de raciocínio 503,413 Tempo de resposta (médio) 54.50s Tempo de resposta (total) 1199.07s Tempo de resposta (máx.) 252.69s Resposta incorreta: 6 Formatação extra: 3 Truques anti-IA : 8.3 Programação : 5.7 Combinado : 10.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.4 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 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
#109#109	GLM 5.3high	7.3	Z.ai	$0.403	27.82s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 74.2% Testes instáveis 7 Tokens de entrada 87,601 Tokens de saída 6,006 Tokens de raciocínio 57,661 Tempo de resposta (médio) 27.82s Tempo de resposta (total) 612.06s Tempo de resposta (máx.) 159.91s Resposta incorreta: 6 Formatação extra: 2 Não seguiu as instruções: 1 Truques anti-IA : 10.0 Programação : 6.6 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 8.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#111#111	GLM 5.3 Flashhigh	7.3	Z.ai	$0.029	25.36s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 66.7% Testes instáveis 3 Tokens de entrada 113,003 Tokens de saída 11,558 Tokens de raciocínio 66,760 Tempo de resposta (médio) 25.36s Tempo de resposta (total) 558.01s Tempo de resposta (máx.) 163.41s Resposta incorreta: 4 Formatação extra: 2 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 8.2 Combinado : 6.4 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
#112#112	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
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 104,925 Tokens de saída 9,168 Tokens de raciocínio 53,188 Tempo de resposta (médio) 4.38s Tempo de resposta (total) 96.32s Tempo de resposta (máx.) 26.22s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 9.1 Programação : 5.5 Combinado : 7.2 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 7.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#115#115	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 149,203 Tokens de saída 16,797 Tokens de raciocínio 0 Tempo de resposta (médio) 4.92s Tempo de resposta (total) 108.24s Tempo de resposta (máx.) 35.03s Resposta incorreta: 4 Formatação extra: 3 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 9.8 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#119#119	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 9.6 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 42,106 Tokens de saída 2,280 Tokens de raciocínio 169,843 Tempo de resposta (médio) 46.97s Tempo de resposta (total) 986.35s Tempo de resposta (máx.) 189.38s Resposta incorreta: 8 Tempo esgotado: 1 Truques anti-IA : 10.0 Programação : 6.2 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.9 Seguimento de instruções : 10.0 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
#150#150	GLM 5.2none	6.7	Z.ai	$0.153 ↓	9.65s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 112,458 Tokens de saída 14,344 Tokens de raciocínio 0 Tempo de resposta (médio) 9.65s Tempo de resposta (total) 212.38s Tempo de resposta (máx.) 79.65s Resposta incorreta: 7 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 8.3 Programação : 3.7 Combinado : 6.9 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 6.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#153#153	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 60.6% Testes instáveis 1 Tokens de entrada 100,762 Tokens de saída 16,454 Tokens de raciocínio 0 Tempo de resposta (médio) 2.65s Tempo de resposta (total) 58.21s Tempo de resposta (máx.) 25.26s Resposta incorreta: 6 Chamada de ferramenta inválida: 2 Não seguiu as instruções: 1 Truques anti-IA : 6.5 Programação : 5.6 Combinado : 3.0 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 : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#161#161	Gemini 3.1 Flash Litelow	6.6	Google	$0.621	16.25s
Ver cartão do modelo Total de testes 22 Testes errados 9 Confiabilidade 10.0 Taxa de acerto por tentativa 63.6% Testes instáveis 2 Tokens de entrada 94,233 Tokens de saída 7,759 Tokens de raciocínio 390,132 Tempo de resposta (médio) 16.25s Tempo de resposta (total) 357.39s Tempo de resposta (máx.) 318.02s Resposta incorreta: 8 Chamada de ferramenta inválida: 1 Truques anti-IA : 7.3 Programação : 5.5 Combinado : 3.2 Análise e extração de dados : 10.0 Específico do domínio : 7.7 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#179#179	Gemma 4 31Bmedium	6.2	Google	$0.100 ↓	78.59s
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 94,969 Tokens de saída 34,399 Tokens de raciocínio 233,022 Tempo de resposta (médio) 78.59s Tempo de resposta (total) 1571.84s Tempo de resposta (máx.) 437.40s Resposta incorreta: 3 Erro de API: 2 Tempo esgotado: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 10.0 Programação : 4.3 Combinado : 2.9 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 : 9.9 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#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
#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
#57#57	GPT-5 Minimedium	8.1	OpenAI	$0.241	27.64s
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 98,383 Tokens de saída 14,409 Tokens de raciocínio 93,610 Tempo de resposta (médio) 27.64s Tempo de resposta (total) 608.02s Tempo de resposta (máx.) 111.48s Resposta incorreta: 5 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 7.1 Programação : 10.0 Combinado : 7.3 Análise e extração de dados : 10.0 Específico do domínio : 3.5 Inteligência geral : 4.5 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 5.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#60#60	Muse Spark 1.1high	8.0	Meta	$1.709	30.84s
Ver cartão do modelo Total de testes 22 Testes errados 10 Confiabilidade 10.0 Taxa de acerto por tentativa 68.2% Testes instáveis 6 Tokens de entrada 129,003 Tokens de saída 8,340 Tokens de raciocínio 355,649 Tempo de resposta (médio) 30.84s Tempo de resposta (total) 647.67s Tempo de resposta (máx.) 196.03s Resposta incorreta: 3 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Erro de API: 1 Formatação extra: 1 Sem resposta: 1 Truques anti-IA : 7.5 Programação : 10.0 Combinado : 5.9 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 6.4 Resolução de quebra-cabeças : 7.8 Chamada de ferramentas : 9.6 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
#89#89	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
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 185,547 Tokens de saída 24,866 Tokens de raciocínio 0 Tempo de resposta (médio) 7.65s Tempo de resposta (total) 168.35s Tempo de resposta (máx.) 47.72s Resposta incorreta: 6 Formatação extra: 2 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 5.5 Programação : 5.9 Combinado : 8.3 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 : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#90#90	GPT-5.4 Nanomedium	7.5	OpenAI	$0.142	13.32s
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 82,828 Tokens de saída 7,100 Tokens de raciocínio 92,781 Tempo de resposta (médio) 13.32s Tempo de resposta (total) 292.97s Tempo de resposta (máx.) 94.06s Resposta incorreta: 8 Não seguiu as instruções: 2 Truques anti-IA : 8.3 Programação : 6.1 Combinado : 9.9 Análise e extração de dados : 10.0 Específico do domínio : 5.9 Inteligência geral : 4.5 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 4.1 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#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

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