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)
#186#186	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 50.0% Testes instáveis 4 Tokens de entrada 118,059 Tokens de saída 10,723 Tokens de raciocínio 0 Tempo de resposta (médio) 1.75s Tempo de resposta (total) 38.42s Tempo de resposta (máx.) 16.25s Resposta incorreta: 11 Não seguiu as instruções: 1 Sem resposta: 1 Truques anti-IA : 7.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 6.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#191#191	Gemma 4 31Bnone	6.1	Google	$0.016 ↓	5.41s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 1 Tokens de entrada 125,703 Tokens de saída 13,317 Tokens de raciocínio 0 Tempo de resposta (médio) 5.41s Tempo de resposta (total) 108.12s Tempo de resposta (máx.) 29.95s Resposta incorreta: 10 Erro de API: 2 Não seguiu as instruções: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 3.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.5 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#214#214	Inkling Smalllow	5.7	Thinkingmachines	$0.055 ↓	2.07s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 50.0% Testes instáveis 4 Tokens de entrada 81,447 Tokens de saída 2,715 Tokens de raciocínio 11,971 Tempo de resposta (médio) 2.07s Tempo de resposta (total) 45.64s Tempo de resposta (máx.) 5.82s Resposta incorreta: 9 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Truques anti-IA : 9.2 Programação : 4.6 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.3 Seguimento de instruções : 9.9 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#223#223	Gemma 4 26B A4Bnone	5.6	Google	$0.015 ↓	7.58s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 1 Tokens de entrada 131,257 Tokens de saída 15,781 Tokens de raciocínio 0 Tempo de resposta (médio) 7.58s Tempo de resposta (total) 166.82s Tempo de resposta (máx.) 57.10s Resposta incorreta: 9 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 3.7 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.0 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 6.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#231#231	Qwen3.8 27Bnone	5.5	Qwen	~$0.006	3.12s
Ver cartão do modelo Total de testes 22 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 40.9% Testes instáveis 0 Tokens de entrada 122,463 Tokens de saída 11,445 Tokens de raciocínio 0 Tempo de resposta (médio) 3.12s Tempo de resposta (total) 68.69s Tempo de resposta (máx.) 44.76s Resposta incorreta: 11 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Truques anti-IA : 6.5 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 6.5 Específico do domínio : 7.7 Inteligência geral : 4.2 Seguimento de instruções : 6.3 Resolução de quebra-cabeças : 6.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#269#269	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
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 7,608 Tokens de saída 40,277 Tokens de raciocínio 0 Tempo de resposta (médio) 51.99s Tempo de resposta (total) 831.90s Tempo de resposta (máx.) 143.82s Erro de API: 6 Resposta incorreta: 5 Não seguiu as instruções: 2 Truques anti-IA : 9.2 Programação : 5.3 Combinado : 3.0 Análise e extração de dados : 3.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#221#221	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Ver cartão do modelo Total de testes 21 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 36.4% Testes instáveis 0 Tokens de entrada 37,100 Tokens de saída 1,766 Tokens de raciocínio 0 Tempo de resposta (médio) 2.99s Tempo de resposta (total) 62.74s Tempo de resposta (máx.) 6.51s Resposta incorreta: 11 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.6 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#222#222	Owl Alphamedium	5.6	Openrouter	$0.000	11.95s
Ver cartão do modelo Total de testes 21 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 37.9% Testes instáveis 1 Tokens de entrada 43,478 Tokens de saída 2,974 Tokens de raciocínio 0 Tempo de resposta (médio) 11.95s Tempo de resposta (total) 250.88s Tempo de resposta (máx.) 58.63s Resposta incorreta: 10 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 4.8 Programação : 5.4 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#232#232	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Ver cartão do modelo Total de testes 21 Testes errados 13 Confiabilidade 10.0 Taxa de acerto por tentativa 37.9% Testes instáveis 1 Tokens de entrada 40,852 Tokens de saída 3,314 Tokens de raciocínio 0 Tempo de resposta (médio) 2.44s Tempo de resposta (total) 48.81s Tempo de resposta (máx.) 6.81s Resposta incorreta: 10 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Truques anti-IA : 3.6 Programação : 4.4 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.1 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 10.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#300#300	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Ver cartão do modelo Total de testes 19 Testes errados 12 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 4 Tokens de entrada 11,793 Tokens de saída 267,275 Tokens de raciocínio 0 Tempo de resposta (médio) 28.69s Tempo de resposta (total) 459.00s Tempo de resposta (máx.) 138.35s Resposta incorreta: 7 Erro de API: 3 Não seguiu as instruções: 2 Truques anti-IA : 8.7 Programação : 3.3 Combinado : 1.5 Análise e extração de dados : 3.8 Específico do domínio : 3.6 Inteligência geral : 4.3 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 6.4 Chamada de ferramentas : 3.0 Conhecimentos gerais : 3.0
#172#172	LongCat 2.0none	6.4	Meituan	$0.044	5.17s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 40.9% Testes instáveis 2 Tokens de entrada 108,752 Tokens de saída 9,375 Tokens de raciocínio 0 Tempo de resposta (médio) 5.17s Tempo de resposta (total) 113.83s Tempo de resposta (máx.) 48.38s Resposta incorreta: 13 Formatação extra: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 6.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 4.0 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
#189#189	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.756 ↓	85.44s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 48.5% Testes instáveis 6 Tokens de entrada 118,486 Tokens de saída 156,166 Tokens de raciocínio 860,619 Tempo de resposta (médio) 85.44s Tempo de resposta (total) 1879.75s Tempo de resposta (máx.) 525.14s Resposta incorreta: 8 Não seguiu as instruções: 4 Chamada de ferramenta inválida: 2 Truques anti-IA : 6.8 Programação : 7.5 Combinado : 2.9 Análise e extração de dados : 6.3 Específico do domínio : 5.3 Inteligência geral : 10.0 Seguimento de instruções : 4.4 Resolução de quebra-cabeças : 5.2 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#192#192	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.10s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 43.9% Testes instáveis 4 Tokens de entrada 94,477 Tokens de saída 51,487 Tokens de raciocínio 0 Tempo de resposta (médio) 13.10s Tempo de resposta (total) 288.23s Tempo de resposta (máx.) 206.05s Resposta incorreta: 12 Não seguiu as instruções: 2 Truques anti-IA : 4.8 Programação : 3.9 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.8 Seguimento de instruções : 6.2 Resolução de quebra-cabeças : 6.7 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
#194#194	Trinity Large Thinkinglow	6.0	Arcee AI	$0.625 ↓	96.61s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 47.0% Testes instáveis 5 Tokens de entrada 122,854 Tokens de saída 119,810 Tokens de raciocínio 698,549 Tempo de resposta (médio) 96.61s Tempo de resposta (total) 2125.51s Tempo de resposta (máx.) 540.96s Resposta incorreta: 7 Erro de API: 2 Não seguiu as instruções: 2 Chamada de ferramenta inválida: 2 Sem resposta: 1 Truques anti-IA : 8.3 Programação : 5.3 Combinado : 5.2 Análise e extração de dados : 7.3 Específico do domínio : 2.9 Inteligência geral : 10.0 Seguimento de instruções : 4.4 Resolução de quebra-cabeças : 6.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#195#195	Gemini 2.5 Flashnone	6.0	Google	$0.017	6.19s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 39.4% Testes instáveis 1 Tokens de entrada 39,886 Tokens de saída 1,890 Tokens de raciocínio 0 Tempo de resposta (médio) 6.19s Tempo de resposta (total) 136.23s Tempo de resposta (máx.) 118.00s Resposta incorreta: 13 Chamada de ferramenta inválida: 1 Truques anti-IA : 3.0 Programação : 5.5 Combinado : 3.0 Análise e extração de dados : 10.0 Específico do domínio : 3.6 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#197#197	GPT-5.6 Terranone	6.0	OpenAI	$0.280 ↓	1.66s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 42.4% Testes instáveis 3 Tokens de entrada 102,268 Tokens de saída 6,221 Tokens de raciocínio 0 Tempo de resposta (médio) 1.66s Tempo de resposta (total) 36.54s Tempo de resposta (máx.) 10.07s Resposta incorreta: 11 Não seguiu as instruções: 1 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 4.8 Programação : 5.5 Combinado : 2.9 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 8.5 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 9.6 Conhecimentos gerais : 3.0
#199#199	GPT-5 Nanomedium	6.0	OpenAI	$0.118	54.20s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 54.5% Testes instáveis 9 Tokens de entrada 94,944 Tokens de saída 12,037 Tokens de raciocínio 270,400 Tempo de resposta (médio) 54.20s Tempo de resposta (total) 867.23s Tempo de resposta (máx.) 227.89s Resposta incorreta: 10 Não seguiu as instruções: 2 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 6.5 Programação : 7.0 Combinado : 6.4 Análise e extração de dados : 3.7 Específico do domínio : 3.4 Inteligência geral : 4.1 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 5.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#203#203	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
#211#211	North Mini Codemedium	5.7	Cohere	$0.000	141.99s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 8.5 Taxa de acerto por tentativa 43.9% Testes instáveis 4 Tokens de entrada 81,742 Tokens de saída 423,884 Tokens de raciocínio 1,340,907 Tempo de resposta (médio) 141.99s Tempo de resposta (total) 3123.87s Tempo de resposta (máx.) 786.72s Resposta incorreta: 9 Formatação extra: 2 Erro de API: 1 Chamada de ferramenta inválida: 1 Tempo esgotado: 1 Truques anti-IA : 8.4 Programação : 4.5 Combinado : 2.9 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 : 3.3 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#212#212	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	52.31s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 9.1 Taxa de acerto por tentativa 40.9% Testes instáveis 3 Tokens de entrada 81,438 Tokens de saída 17,674 Tokens de raciocínio 97,900 Tempo de resposta (médio) 52.31s Tempo de resposta (total) 1046.21s Tempo de resposta (máx.) 431.98s Resposta incorreta: 5 Erro de API: 4 Não seguiu as instruções: 3 Sem resposta: 1 Tempo esgotado: 1 Truques anti-IA : 8.3 Programação : 3.1 Combinado : 6.4 Análise e extração de dados : 10.0 Específico do domínio : 2.9 Inteligência geral : 4.1 Seguimento de instruções : 7.3 Resolução de quebra-cabeças : 3.0 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#216#216	GLM 5.1none	5.7	Z.ai	$0.164 ↓	6.74s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 45.5% Testes instáveis 5 Tokens de entrada 124,219 Tokens de saída 14,393 Tokens de raciocínio 0 Tempo de resposta (médio) 6.74s Tempo de resposta (total) 148.20s Tempo de resposta (máx.) 61.20s Resposta incorreta: 12 Chamada de ferramenta inválida: 1 Sem resposta: 1 Truques anti-IA : 4.0 Programação : 3.9 Combinado : 2.8 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 5.0 Seguimento de instruções : 9.8 Resolução de quebra-cabeças : 7.7 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#226#226	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Ver cartão do modelo Total de testes 22 Testes errados 14 Confiabilidade 9.6 Taxa de acerto por tentativa 45.5% Testes instáveis 3 Tokens de entrada 51,369 Tokens de saída 8,008 Tokens de raciocínio 58,568 Tempo de resposta (médio) 8.65s Tempo de resposta (total) 190.35s Tempo de resposta (máx.) 48.19s Resposta incorreta: 10 Erro de API: 1 Formatação extra: 1 Não seguiu as instruções: 1 Tempo esgotado: 1 Truques anti-IA : 8.7 Programação : 3.6 Combinado : 6.5 Análise e extração de dados : 6.5 Específico do domínio : 3.0 Inteligência geral : 5.0 Seguimento de instruções : 10.0 Resolução de quebra-cabeças : 3.6 Chamada de ferramentas : 10.0 Conhecimentos gerais : 3.0
#224#224	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Ver cartão do modelo Total de testes 21 Testes errados 14 Confiabilidade 10.0 Taxa de acerto por tentativa 39.4% Testes instáveis 3 Tokens de entrada 39,344 Tokens de saída 2,352 Tokens de raciocínio 0 Tempo de resposta (médio) 2.27s Tempo de resposta (total) 45.50s Tempo de resposta (máx.) 6.58s Resposta incorreta: 11 Não seguiu as instruções: 2 Erro de API: 1 Truques anti-IA : 3.5 Programação : 5.5 Combinado : 1.5 Análise e extração de dados : 10.0 Específico do domínio : 5.3 Inteligência geral : 4.3 Seguimento de instruções : 6.5 Resolução de quebra-cabeças : 6.0 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