Clasament AI Benchy

Name: Rezultate benchmark modele AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-10-17 Modele evaluate: 442

Modele recomandate

GPT-6.1 Sol xhigh Inteligent Rată de trecere pe încercare 97.1% Teste corecte 22 / 23 Scor 9.9/10 Gemini 3.7 Flash low Rapid Timp de răspuns (mediu) 6.24s Total tokenuri de ieșire 38,453 Scor 9.4/10 GPT-6 Luna high Accesibil Preț de intrare $0.100 / 1M Preț de ieșire $0.500 / 1M Preț citire cache $0.010 / 1M Preț scriere cache $0.125 / 1M Scor 7.7/10

442/442

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#425#425	Decider V1.1 27Bdefault	2.6	Perplexity	$0.002	320ms
Vezi fișa modelului Total teste 12 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 17.4% Teste instabile 0 Tokenuri de intrare 73,557 Tokenuri de ieșire 69 Tokenuri de raționament 0 Timp de răspuns (mediu) 320ms Timp de răspuns (total) 3.84s Timp de răspuns (maxim) 491ms Răspuns greșit: 8 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 4.9 Combinat : 0.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#441#441	Nimble v3 9Bdefault	0.8	Bespoke Labs	~$0.001	363ms
Vezi fișa modelului Total teste 7 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 4.4% Teste instabile 0 Tokenuri de intrare 103,770 Tokenuri de ieșire 0 Tokenuri de raționament 0 Timp de răspuns (mediu) 363ms Timp de răspuns (total) 2.54s Timp de răspuns (maxim) 1.24s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 2.5 Programare : 0.0 Combinat : 0.0 Parsare și extragere de date : 3.0 Specific domeniului : 2.0 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#429#429	Jev 1.14default	2.3	Typesafe	$0.003	377ms
Vezi fișa modelului Total teste 12 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 23.2% Teste instabile 2 Tokenuri de intrare 67,092 Tokenuri de ieșire 18,927 Tokenuri de raționament 0 Timp de răspuns (mediu) 377ms Timp de răspuns (total) 4.52s Timp de răspuns (maxim) 546ms Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 2.7 Combinat : 0.0 Parsare și extragere de date : 7.3 Specific domeniului : 7.7 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#432#432	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
Vezi fișa modelului Total teste 12 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 13.0% Teste instabile 0 Tokenuri de intrare 49,176 Tokenuri de ieșire 69 Tokenuri de raționament 0 Timp de răspuns (mediu) 462ms Timp de răspuns (total) 5.55s Timp de răspuns (maxim) 661ms Răspuns greșit: 9 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 2.2 Combinat : 0.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.0 Apelare instrumente : 0.0 Cultură generală : 0.0
#427#427	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Vezi fișa modelului Total teste 12 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 13.0% Teste instabile 0 Tokenuri de intrare 47,583 Tokenuri de ieșire 0 Tokenuri de raționament 0 Timp de răspuns (mediu) 495ms Timp de răspuns (total) 5.94s Timp de răspuns (maxim) 842ms Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 2.3 Programare : 2.5 Combinat : 0.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#440#440	Tev1 4B Experimentaldefault	1.0	Togethercomputer	$0.002	498ms
Vezi fișa modelului Total teste 7 Teste greșite 4 Fiabilitate 10.0 Rată de trecere pe încercare 13.0% Teste instabile 0 Tokenuri de intrare 33,864 Tokenuri de ieșire 96 Tokenuri de raționament 0 Timp de răspuns (mediu) 498ms Timp de răspuns (total) 3.49s Timp de răspuns (maxim) 602ms Răspuns greșit: 4 Sarcini agentice : 0.0 Trucuri anti-AI : 2.5 Programare : 0.0 Combinat : 0.0 Parsare și extragere de date : 3.0 Specific domeniului : 6.7 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#434#434	D1default	1.9	Liquid	$0.003	508ms
Vezi fișa modelului Total teste 12 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 11.6% Teste instabile 1 Tokenuri de intrare 55,956 Tokenuri de ieșire 0 Tokenuri de raționament 0 Timp de răspuns (mediu) 508ms Timp de răspuns (total) 6.10s Timp de răspuns (maxim) 820ms Răspuns greșit: 10 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 2.2 Combinat : 0.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.6 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#424#424	Decider V1.2default	2.6	Perplexity	$0.001	517ms
Vezi fișa modelului Total teste 12 Teste greșite 7 Fiabilitate 9.4 Rată de trecere pe încercare 24.6% Teste instabile 1 Tokenuri de intrare 48,363 Tokenuri de ieșire 67 Tokenuri de raționament 0 Timp de răspuns (mediu) 517ms Timp de răspuns (total) 6.20s Timp de răspuns (maxim) 776ms Răspuns greșit: 5 Eroare API: 1 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 5.8 Programare : 4.5 Combinat : 0.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.9 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#421#421	d1-ultradefault	2.7	Liquid	$0.003	531ms
Vezi fișa modelului Total teste 12 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 20.3% Teste instabile 1 Tokenuri de intrare 55,956 Tokenuri de ieșire 0 Tokenuri de raționament 0 Timp de răspuns (mediu) 531ms Timp de răspuns (total) 6.38s Timp de răspuns (maxim) 697ms Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 5.3 Combinat : 0.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#423#423	Jev 1.13default	2.6	Typesafe	$0.003	698ms
Vezi fișa modelului Total teste 12 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 26.1% Teste instabile 0 Tokenuri de intrare 67,092 Tokenuri de ieșire 18,927 Tokenuri de raționament 0 Timp de răspuns (mediu) 698ms Timp de răspuns (total) 8.38s Timp de răspuns (maxim) 1.08s Răspuns greșit: 6 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 2.2 Combinat : 0.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 3.3 Apelare instrumente : 0.0 Cultură generală : 0.0
#422#422	Nemotron 3 Nano Omni 30b A3b Reasoningdefault	2.6	NVIDIA	$0.000	728ms
Vezi fișa modelului Total teste 19 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 14.5% Teste instabile 2 Tokenuri de intrare 11,661 Tokenuri de ieșire 1,302 Tokenuri de raționament 0 Timp de răspuns (mediu) 728ms Timp de răspuns (total) 9.47s Timp de răspuns (maxim) 2.21s Răspuns greșit: 9 Eroare API: 6 Nu a urmat instrucțiunile: 2 Sarcini agentice : 0.0 Trucuri anti-AI : 4.8 Programare : 3.3 Combinat : 1.5 Parsare și extragere de date : 3.8 Specific domeniului : 3.6 Inteligență generală : 3.0 Respectarea instrucțiunilor : 4.8 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#436#436	LFM2-24B-A2Bdefault	1.8	Liquid	$0.001	782ms
Vezi fișa modelului Total teste 16 Teste greșite 14 Fiabilitate N/D Rată de trecere pe încercare 11.6% Teste instabile 1 Tokenuri de intrare 10,771 Tokenuri de ieșire 1,173 Tokenuri de raționament 0 Timp de răspuns (mediu) 782ms Timp de răspuns (total) 10.94s Timp de răspuns (maxim) 3.15s Răspuns greșit: 9 Eroare API: 4 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 2.5 Programare : 0.0 Combinat : 1.5 Parsare și extragere de date : 3.0 Specific domeniului : 5.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.8 Apelare instrumente : 3.0 Cultură generală : 0.0
#416#416	Laguna Xs.2default	3.1	Poolside	$0.004 ↕	806ms
Vezi fișa modelului Total teste 19 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 21.7% Teste instabile 0 Tokenuri de intrare 33,675 Tokenuri de ieșire 2,826 Tokenuri de raționament 0 Timp de răspuns (mediu) 806ms Timp de răspuns (total) 12.09s Timp de răspuns (maxim) 2.01s Răspuns greșit: 8 Eroare API: 4 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 3.0 Programare : 0.8 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 3.0 Cultură generală : 3.0
#431#431	Clef Omnidefault	1.9	Cloudflare	$0.011	880ms
Vezi fișa modelului Total teste 12 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 8.7% Teste instabile 0 Tokenuri de intrare 70,125 Tokenuri de ieșire 0 Tokenuri de raționament 0 Timp de răspuns (mediu) 880ms Timp de răspuns (total) 10.56s Timp de răspuns (maxim) 1.31s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 2.5 Combinat : 0.0 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#438#438	Microsoft-Decision-1default	1.4	Microsoft	$0.002	982ms
Vezi fișa modelului Total teste 12 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 7.3% Teste instabile 1 Tokenuri de intrare 41,466 Tokenuri de ieșire 69 Tokenuri de raționament 0 Timp de răspuns (mediu) 982ms Timp de răspuns (total) 11.78s Timp de răspuns (maxim) 1.41s Răspuns greșit: 11 Sarcini agentice : 0.0 Trucuri anti-AI : 4.4 Programare : 2.2 Combinat : 0.0 Parsare și extragere de date : 3.0 Specific domeniului : 3.0 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.7 Apelare instrumente : 0.0 Cultură generală : 0.0
#426#426	Drex v1.5default	2.4	Nace AI	$0.002	986ms
Vezi fișa modelului Total teste 12 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 17.4% Teste instabile 0 Tokenuri de intrare 42,804 Tokenuri de ieșire 27,468 Tokenuri de raționament 0 Timp de răspuns (mediu) 986ms Timp de răspuns (total) 11.84s Timp de răspuns (maxim) 1.38s Răspuns greșit: 8 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 4.5 Combinat : 0.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.0 Apelare instrumente : 0.0 Cultură generală : 0.0
#407#407	Grok 4.20none	3.4	X AI	$0.057 ↓	1.11s
Vezi fișa modelului Total teste 18 Teste greșite 12 Fiabilitate N/D Rată de trecere pe încercare 26.1% Teste instabile 0 Tokenuri de intrare 41,313 Tokenuri de ieșire 1,923 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.11s Timp de răspuns (total) 19.96s Timp de răspuns (maxim) 6.04s Răspuns greșit: 10 Formatare suplimentară: 1 Apel de instrument invalid: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 4.8 Programare : 1.1 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 0.0
#382#382	Mercury 2none	4.4	Inception	$0.033	1.18s
Vezi fișa modelului Total teste 23 Teste greșite 19 Fiabilitate 10.0 Rată de trecere pe încercare 23.2% Teste instabile 2 Tokenuri de intrare 100,634 Tokenuri de ieșire 9,609 Tokenuri de raționament 100 Timp de răspuns (mediu) 1.18s Timp de răspuns (total) 27.14s Timp de răspuns (maxim) 9.00s Răspuns greșit: 17 Nu a urmat instrucțiunile: 2 Sarcini agentice : 3.0 Trucuri anti-AI : 3.0 Programare : 3.4 Combinat : 3.0 Parsare și extragere de date : 7.3 Specific domeniului : 5.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 3.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#402#402	Grok 4.20 Betadefault	3.6	X AI	$0.087 ↓	1.19s
Vezi fișa modelului Total teste 18 Teste greșite 12 Fiabilitate N/D Rată de trecere pe încercare 29.0% Teste instabile 1 Tokenuri de intrare 40,597 Tokenuri de ieșire 1,657 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.19s Timp de răspuns (total) 21.43s Timp de răspuns (maxim) 6.48s Răspuns greșit: 10 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 4.0 Programare : 1.8 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 0.0
#404#404	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
Vezi fișa modelului Total teste 21 Teste greșite 16 Fiabilitate N/D Rată de trecere pe încercare 24.6% Teste instabile 1 Tokenuri de intrare 33,743 Tokenuri de ieșire 2,573 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.22s Timp de răspuns (total) 22.03s Timp de răspuns (maxim) 3.81s Răspuns greșit: 9 Eroare API: 3 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 6.6 Programare : 4.2 Combinat : 1.5 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 4.2 Apelare instrumente : 3.0 Cultură generală : 3.0
#405#405	Elephant Alphamedium	3.5	Openrouter	$0.000	1.27s
Vezi fișa modelului Total teste 21 Teste greșite 15 Fiabilitate N/D Rată de trecere pe încercare 27.5% Teste instabile 1 Tokenuri de intrare 33,744 Tokenuri de ieșire 2,596 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.27s Timp de răspuns (total) 22.82s Timp de răspuns (maxim) 3.70s Răspuns greșit: 9 Eroare API: 3 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Sarcini agentice : 0.0 Trucuri anti-AI : 6.6 Programare : 3.7 Combinat : 1.5 Parsare și extragere de date : 6.5 Specific domeniului : 3.0 Inteligență generală : 4.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 3.0 Cultură generală : 3.0
#437#437	Solar Decide Flashdefault	1.7	Upstage	$0.003	1.33s
Vezi fișa modelului Total teste 7 Teste greșite 4 Fiabilitate 10.0 Rată de trecere pe încercare 13.0% Teste instabile 0 Tokenuri de intrare 47,586 Tokenuri de ieșire 51 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.33s Timp de răspuns (total) 9.32s Timp de răspuns (maxim) 1.66s Răspuns greșit: 4 Sarcini agentice : 0.0 Trucuri anti-AI : 0.8 Programare : 0.0 Combinat : 0.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.4 Inteligență generală : 0.0 Respectarea instrucțiunilor : 1.5 Rezolvare de puzzle-uri : 1.0 Apelare instrumente : 0.0 Cultură generală : 0.0
#419#419	Span-02default	2.8	Respan	$0.001	1.36s
Vezi fișa modelului Total teste 12 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 26.1% Teste instabile 0 Tokenuri de intrare 70,626 Tokenuri de ieșire 0 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.36s Timp de răspuns (total) 16.37s Timp de răspuns (maxim) 5.71s Răspuns greșit: 6 Sarcini agentice : 0.0 Trucuri anti-AI : 5.8 Programare : 4.9 Combinat : 0.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 0.0 Respectarea instrucțiunilor : 5.0 Rezolvare de puzzle-uri : 1.0 Apelare instrumente : 0.0 Cultură generală : 0.0
#396#396	Granite 4.1 8bdefault	3.8	IBM Granite	$0.007	1.38s
Vezi fișa modelului Total teste 23 Teste greșite 21 Fiabilitate 10.0 Rată de trecere pe încercare 8.7% Teste instabile 0 Tokenuri de intrare 113,836 Tokenuri de ieșire 5,996 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.38s Timp de răspuns (total) 31.81s Timp de răspuns (maxim) 16.67s Răspuns greșit: 13 Nu a urmat instrucțiunile: 4 Apel de instrument invalid: 2 Eroare API: 1 Formatare suplimentară: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 4.9 Programare : 4.5 Combinat : 3.0 Parsare și extragere de date : 3.0 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 3.6 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#347#347	Inkling Smallnone	4.9	Thinkingmachines	$0.054 ↓	1.45s
Vezi fișa modelului Total teste 23 Teste greșite 18 Fiabilitate 10.0 Rată de trecere pe încercare 23.2% Teste instabile 1 Tokenuri de intrare 94,733 Tokenuri de ieșire 7,087 Tokenuri de raționament 1,683 Timp de răspuns (mediu) 1.45s Timp de răspuns (total) 33.24s Timp de răspuns (maxim) 12.35s Răspuns greșit: 15 Eroare API: 1 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Sarcini agentice : 3.0 Trucuri anti-AI : 3.1 Programare : 3.6 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.2 Apelare instrumente : 3.0 Cultură generală : 3.0

1 2 18

→

Tendințe globale ale benchmarkului

Vezi cum echilibrează modelele actuale scorul, costul, viteza, lungimea răspunsului și performanța pe categorii.

Grafice →

Frontiera Pareto: inteligență vs cost

Evoluția celui mai bun scor al companiilor de top

Frontiera Pareto: inteligență vs viteza de răspuns

Frontiera Pareto: scor vs tokenuri de ieșire

Dificultatea categoriilor între modele

Comparație rapidă

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow