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: 2026-09-02 Modele evaluate: 311

Modele recomandate

GPT-5.6 Sol high Inteligent Rată de trecere pe încercare 89.4% Teste corecte 18 / 22 Scor 9.4/10 GPT-5.6 Luna medium Rapid Timp de răspuns (mediu) 7.43s Total tokenuri de ieșire 44,525 Scor 7.4/10 DeepSeek V4 Flash 0731 high Accesibil Preț de intrare $0.065 / 1M Preț de ieșire $0.180 / 1M Scor 8.0/10

311/311

Rang	Model	Scor	Companie	Cost total	Timp de răspuns (mediu)
#131#131	Mercury 2medium	7.0	Inception	$0.094	2.95s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% Teste instabile 4 Tokenuri de intrare 110,515 Tokenuri de ieșire 10,325 Tokenuri de raționament 77,229 Timp de răspuns (mediu) 2.95s Timp de răspuns (total) 61.89s Timp de răspuns (maxim) 14.63s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 6.9 Programare : 8.2 Combinat : 6.7 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#287#287	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Vezi fișa modelului Total teste 19 Teste greșite 15 Fiabilitate 9.8 Rată de trecere pe încercare 27.3% Teste instabile 3 Tokenuri de intrare 38,147 Tokenuri de ieșire 2,054 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.89s Timp de răspuns (total) 43.28s Timp de răspuns (maxim) 15.42s Răspuns greșit: 10 Eroare API: 4 Apel de instrument invalid: 1 Trucuri anti-AI : 3.4 Programare : 2.5 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 3.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#257#257	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Vezi fișa modelului Total teste 21 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 30.3% Teste instabile 2 Tokenuri de intrare 32,525 Tokenuri de ieșire 1,815 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.82s Timp de răspuns (total) 59.29s Timp de răspuns (maxim) 8.21s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 3.0 Programare : 3.9 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.2 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#148#148	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 3 Tokenuri de intrare 104,217 Tokenuri de ieșire 10,710 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.82s Timp de răspuns (total) 45.05s Timp de răspuns (maxim) 21.19s Răspuns greșit: 8 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#296#296	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Vezi fișa modelului Total teste 21 Teste greșite 17 Fiabilitate 6.7 Rată de trecere pe încercare 24.2% Teste instabile 4 Tokenuri de intrare 36,851 Tokenuri de ieșire 68,882 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.76s Timp de răspuns (total) 46.99s Timp de răspuns (maxim) 19.68s Răspuns greșit: 13 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 3.2 Programare : 4.3 Combinat : 1.5 Parsare și extragere de date : 2.9 Specific domeniului : 5.3 Inteligență generală : 4.6 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#153#153	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 60.6% Teste instabile 1 Tokenuri de intrare 100,762 Tokenuri de ieșire 16,454 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.65s Timp de răspuns (total) 58.21s Timp de răspuns (maxim) 25.26s Răspuns greșit: 6 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 5.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#271#271	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
Vezi fișa modelului Total teste 22 Teste greșite 18 Fiabilitate 10.0 Rată de trecere pe încercare 27.3% Teste instabile 4 Tokenuri de intrare 115,933 Tokenuri de ieșire 13,794 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.56s Timp de răspuns (total) 56.37s Timp de răspuns (maxim) 25.50s Răspuns greșit: 15 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Trucuri anti-AI : 3.5 Programare : 4.6 Combinat : 3.0 Parsare și extragere de date : 6.5 Specific domeniului : 2.9 Inteligență generală : 3.8 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#157#157	Gemini 3.5 Flash Litelow	6.6	Google	$0.138	2.56s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 6 Tokenuri de intrare 139,165 Tokenuri de ieșire 12,899 Tokenuri de raționament 25,511 Timp de răspuns (mediu) 2.56s Timp de răspuns (total) 56.32s Timp de răspuns (maxim) 15.14s Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 9.0 Programare : 4.3 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 4.7
#232#232	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Vezi fișa modelului Total teste 21 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 37.9% Teste instabile 1 Tokenuri de intrare 40,852 Tokenuri de ieșire 3,314 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.44s Timp de răspuns (total) 48.81s Timp de răspuns (maxim) 6.81s Răspuns greșit: 10 Eroare API: 1 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.6 Programare : 4.4 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.1 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#130#130	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 59.1% Teste instabile 2 Tokenuri de intrare 79,294 Tokenuri de ieșire 4,915 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.35s Timp de răspuns (total) 51.78s Timp de răspuns (maxim) 12.24s Răspuns greșit: 10 Trucuri anti-AI : 6.9 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.2 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#224#224	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Vezi fișa modelului Total teste 21 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 39.4% Teste instabile 3 Tokenuri de intrare 39,344 Tokenuri de ieșire 2,352 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.27s Timp de răspuns (total) 45.50s Timp de răspuns (maxim) 6.58s Răspuns greșit: 11 Nu a urmat instrucțiunile: 2 Eroare API: 1 Trucuri anti-AI : 3.5 Programare : 5.5 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.3 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#127#127	GPT-5.6 Solnone	7.0	OpenAI	$0.201 ↓	2.17s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 3 Tokenuri de intrare 78,602 Tokenuri de ieșire 4,357 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.17s Timp de răspuns (total) 47.66s Timp de răspuns (maxim) 12.81s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 6.5 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#209#209	GPT-5.4none	5.8	OpenAI	$0.397	2.08s
Vezi fișa modelului Total teste 22 Teste greșite 15 Fiabilitate 10.0 Rată de trecere pe încercare 34.9% Teste instabile 2 Tokenuri de intrare 108,641 Tokenuri de ieșire 8,339 Tokenuri de raționament 0 Timp de răspuns (mediu) 2.08s Timp de răspuns (total) 45.75s Timp de răspuns (maxim) 15.63s Răspuns greșit: 14 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 3.2 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.4 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#214#214	Inkling Smalllow	5.7	Thinkingmachines	$0.055 ↓	2.07s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 4 Tokenuri de intrare 81,447 Tokenuri de ieșire 2,715 Tokenuri de raționament 11,971 Timp de răspuns (mediu) 2.07s Timp de răspuns (total) 45.64s Timp de răspuns (maxim) 5.82s Răspuns greșit: 9 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 2 Trucuri anti-AI : 9.2 Programare : 4.6 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.3 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 3.0 Cultură generală : 3.0
#263#263	GPT-4o-mininone	5.0	OpenAI	$0.010	1.92s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 22.7% Teste instabile 0 Tokenuri de intrare 53,145 Tokenuri de ieșire 2,913 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.92s Timp de răspuns (total) 30.71s Timp de răspuns (maxim) 7.58s Răspuns greșit: 15 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 4.8 Programare : 3.2 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.0 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 3.5 Apelare instrumente : 10.0 Cultură generală : 3.0
#182#182	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
Vezi fișa modelului Total teste 22 Teste greșite 12 Fiabilitate 10.0 Rată de trecere pe încercare 51.5% Teste instabile 3 Tokenuri de intrare 119,076 Tokenuri de ieșire 11,118 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.85s Timp de răspuns (total) 40.74s Timp de răspuns (maxim) 12.97s Răspuns greșit: 8 Nu a urmat instrucțiunile: 3 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#186#186	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Vezi fișa modelului Total teste 22 Teste greșite 13 Fiabilitate 10.0 Rată de trecere pe încercare 50.0% Teste instabile 4 Tokenuri de intrare 118,059 Tokenuri de ieșire 10,723 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.75s Timp de răspuns (total) 38.42s Timp de răspuns (maxim) 16.25s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 7.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#197#197	GPT-5.6 Terranone	6.0	OpenAI	$0.280 ↓	1.66s
Vezi fișa modelului Total teste 22 Teste greșite 14 Fiabilitate 10.0 Rată de trecere pe încercare 42.4% Teste instabile 3 Tokenuri de intrare 102,268 Tokenuri de ieșire 6,221 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.66s Timp de răspuns (total) 36.54s Timp de răspuns (maxim) 10.07s Răspuns greșit: 11 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 2.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 9.6 Cultură generală : 3.0
#303#303	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Vezi fișa modelului Total teste 19 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 19.7% Teste instabile 3 Tokenuri de intrare 36,608 Tokenuri de ieșire 1,723 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.62s Timp de răspuns (total) 19.48s Timp de răspuns (maxim) 5.51s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.2 Programare : 1.8 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.4 Respectarea instrucțiunilor : 3.0 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 2.8 Cultură generală : 3.0
#207#207	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.58s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 31.8% Teste instabile 2 Tokenuri de intrare 79,076 Tokenuri de ieșire 7,898 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.58s Timp de răspuns (total) 34.86s Timp de răspuns (maxim) 9.92s Răspuns greșit: 13 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 3.1 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 3.0 Cultură generală : 3.0
#168#168	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.56s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 57.6% Teste instabile 1 Tokenuri de intrare 120,955 Tokenuri de ieșire 14,161 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.56s Timp de răspuns (total) 34.32s Timp de răspuns (maxim) 9.27s Răspuns greșit: 7 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Trucuri anti-AI : 7.5 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#242#242	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 30.3% Teste instabile 3 Tokenuri de intrare 91,607 Tokenuri de ieșire 13,377 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.55s Timp de răspuns (total) 34.01s Timp de răspuns (maxim) 19.02s Răspuns greșit: 14 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 5.3 Programare : 4.3 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 3.8 Rezolvare de puzzle-uri : 3.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#241#241	Inkling Smallnone	5.3	Thinkingmachines	$0.054 ↓	1.51s
Vezi fișa modelului Total teste 22 Teste greșite 17 Fiabilitate 10.0 Rată de trecere pe încercare 24.2% Teste instabile 1 Tokenuri de intrare 94,733 Tokenuri de ieșire 8,770 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.51s Timp de răspuns (total) 33.21s Timp de răspuns (maxim) 12.35s Răspuns greșit: 15 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 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
#236#236	GPT-5.6 Lunanone	5.4	OpenAI	$0.029 ↓	1.50s
Vezi fișa modelului Total teste 22 Teste greșite 16 Fiabilitate 10.0 Rată de trecere pe încercare 36.4% Teste instabile 3 Tokenuri de intrare 101,332 Tokenuri de ieșire 6,709 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.50s Timp de răspuns (total) 33.05s Timp de răspuns (maxim) 10.57s Răspuns greșit: 14 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 4.8 Programare : 3.8 Combinat : 3.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 5.0 Respectarea instrucțiunilor : 7.1 Rezolvare de puzzle-uri : 5.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#298#298	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.44s
Vezi fișa modelului Total teste 22 Teste greșite 20 Fiabilitate 10.0 Rată de trecere pe încercare 9.1% Teste instabile 0 Tokenuri de intrare 113,836 Tokenuri de ieșire 5,996 Tokenuri de raționament 0 Timp de răspuns (mediu) 1.44s Timp de răspuns (total) 31.75s Timp de răspuns (maxim) 16.67s Răspuns greșit: 13 Nu a urmat instrucțiunile: 4 Apel de instrument invalid: 2 Formatare suplimentară: 1 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

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 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