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)
#73#73	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Vezi fișa modelului Total teste 21 Teste greșite 6 Fiabilitate 9.5 Rată de trecere pe încercare 80.3% Teste instabile 4 Tokenuri de intrare 37,199 Tokenuri de ieșire 12,261 Tokenuri de raționament 49,500 Timp de răspuns (mediu) 23.28s Timp de răspuns (total) 488.94s Timp de răspuns (maxim) 101.36s Răspuns greșit: 3 Fără răspuns: 2 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 5.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#80#80	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Vezi fișa modelului Total teste 21 Teste greșite 6 Fiabilitate 10.0 Rată de trecere pe încercare 78.8% Teste instabile 4 Tokenuri de intrare 35,224 Tokenuri de ieșire 21,570 Tokenuri de raționament 102,996 Timp de răspuns (mediu) 33.54s Timp de răspuns (total) 435.99s Timp de răspuns (maxim) 99.85s Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 5.0 Parsare și extragere de date : 7.1 Specific domeniului : 3.5 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#39#39	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 72.7% Teste instabile 2 Tokenuri de intrare 142,147 Tokenuri de ieșire 7,905 Tokenuri de raționament 284,247 Timp de răspuns (mediu) 26.25s Timp de răspuns (total) 577.47s Timp de răspuns (maxim) 165.38s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 8.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 7.9 Apelare instrumente : 9.8 Cultură generală : 3.0
#43#43	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 77.3% Teste instabile 4 Tokenuri de intrare 81,136 Tokenuri de ieșire 6,155 Tokenuri de raționament 84,311 Timp de răspuns (mediu) 22.85s Timp de răspuns (total) 502.78s Timp de răspuns (maxim) 100.41s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 8.3 Programare : 8.8 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#45#45	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 77.3% Teste instabile 3 Tokenuri de intrare 101,811 Tokenuri de ieșire 8,025 Tokenuri de raționament 115,938 Timp de răspuns (mediu) 9.77s Timp de răspuns (total) 214.83s Timp de răspuns (maxim) 47.80s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Trucuri anti-AI : 9.2 Programare : 8.4 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#50#50	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 78.8% Teste instabile 5 Tokenuri de intrare 104,433 Tokenuri de ieșire 6,511 Tokenuri de raționament 752,680 Timp de răspuns (mediu) 193.59s Timp de răspuns (total) 4258.98s Timp de răspuns (maxim) 885.33s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.2 Programare : 8.2 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 9.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#53#53	Claude Fable 5.1medium	8.3	Anthropic	$2.909	11.67s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 81.8% Teste instabile 6 Tokenuri de intrare 135,112 Tokenuri de ieșire 7,594 Tokenuri de raționament 23,558 Timp de răspuns (mediu) 11.67s Timp de răspuns (total) 256.73s Timp de răspuns (maxim) 36.59s Răspuns greșit: 3 Fără răspuns: 2 Formatare suplimentară: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.2 Programare : 7.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 2.8
#54#54	Gemini 2.5 Flashmedium	8.2	Google	$0.644	21.14s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 1 Tokenuri de intrare 132,507 Tokenuri de ieșire 12,739 Tokenuri de raționament 228,626 Timp de răspuns (mediu) 21.14s Timp de răspuns (total) 465.10s Timp de răspuns (maxim) 140.50s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.4 Programare : 7.8 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#55#55	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 3 Tokenuri de intrare 145,953 Tokenuri de ieșire 52,330 Tokenuri de raționament 10,874 Timp de răspuns (mediu) 12.54s Timp de răspuns (total) 275.90s Timp de răspuns (maxim) 66.71s Răspuns greșit: 5 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 9.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.8 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#56#56	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 9.4 Rată de trecere pe încercare 72.7% Teste instabile 2 Tokenuri de intrare 113,279 Tokenuri de ieșire 121,045 Tokenuri de raționament 374,496 Timp de răspuns (mediu) 118.97s Timp de răspuns (total) 2617.41s Timp de răspuns (maxim) 534.21s Răspuns greșit: 4 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 7.8 Combinat : 8.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.2 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#59#59	Inklinghigh	8.0	Thinkingmachines	$1.046	62.57s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 77.3% Teste instabile 3 Tokenuri de intrare 86,755 Tokenuri de ieșire 6,057 Tokenuri de raționament 230,570 Timp de răspuns (mediu) 62.57s Timp de răspuns (total) 1376.46s Timp de răspuns (maxim) 327.51s Răspuns greșit: 4 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 8.5 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#64#64	Inklingmedium	8.0	Thinkingmachines	$0.383	15.66s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 4 Tokenuri de intrare 124,062 Tokenuri de ieșire 12,190 Tokenuri de raționament 51,652 Timp de răspuns (mediu) 15.66s Timp de răspuns (total) 344.52s Timp de răspuns (maxim) 85.12s Răspuns greșit: 4 Eroare API: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.4 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 2.8
#69#69	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 0 Tokenuri de intrare 99,705 Tokenuri de ieșire 1,545 Tokenuri de raționament 167,784 Timp de răspuns (mediu) 39.11s Timp de răspuns (total) 860.51s Timp de răspuns (maxim) 376.04s Răspuns greșit: 4 Fără răspuns: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 7.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 3.0 Cultură generală : 3.0
#70#70	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 3 Tokenuri de intrare 115,242 Tokenuri de ieșire 6,163 Tokenuri de raționament 181,174 Timp de răspuns (mediu) 53.51s Timp de răspuns (total) 1177.25s Timp de răspuns (maxim) 315.30s Răspuns greșit: 5 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 6.1 Combinat : 8.2 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#71#71	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 2 Tokenuri de intrare 97,698 Tokenuri de ieșire 6,417 Tokenuri de raționament 191,215 Timp de răspuns (mediu) 45.52s Timp de răspuns (total) 955.94s Timp de răspuns (maxim) 291.55s Răspuns greșit: 5 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 6.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#96#96	Mercury 2.5 Previewmedium	7.5	Inception	$0.024	3.58s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 1 Tokenuri de intrare 112,713 Tokenuri de ieșire 5,436 Tokenuri de raționament 121,598 Timp de răspuns (mediu) 3.58s Timp de răspuns (total) 78.66s Timp de răspuns (maxim) 17.84s Răspuns greșit: 4 Eroare API: 1 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 7.8 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#101#101	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 9.9 Rată de trecere pe încercare 68.2% Teste instabile 0 Tokenuri de intrare 95,992 Tokenuri de ieșire 12,446 Tokenuri de raționament 0 Timp de răspuns (mediu) 4.56s Timp de răspuns (total) 100.30s Timp de răspuns (maxim) 72.30s Răspuns greșit: 7 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#106#106	Grok 4.6low	7.4	X AI	$0.449	14.55s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 1 Tokenuri de intrare 109,960 Tokenuri de ieșire 5,124 Tokenuri de raționament 32,924 Timp de răspuns (mediu) 14.55s Timp de răspuns (total) 320.17s Timp de răspuns (maxim) 26.46s Răspuns greșit: 7 Trucuri anti-AI : 10.0 Programare : 5.5 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#149#149	Gemma 4 26B A4Bmedium	6.8	Google	$0.092 ↓	104.93s
Vezi fișa modelului Total teste 22 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 1 Tokenuri de intrare 77,528 Tokenuri de ieșire 26,048 Tokenuri de raționament 227,598 Timp de răspuns (mediu) 104.93s Timp de răspuns (total) 2203.52s Timp de răspuns (maxim) 912.19s Fără răspuns: 2 Timp expirat: 2 Răspuns greșit: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 2.9 Combinat : 6.3 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#85#85	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 4 Tokenuri de intrare 35,593 Tokenuri de ieșire 12,245 Tokenuri de raționament 62,277 Timp de răspuns (mediu) 23.00s Timp de răspuns (total) 482.97s Timp de răspuns (maxim) 194.23s Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 5.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#167#167	Hy3 previewmedium	6.5	Tencent	$0.049 ↕	16.28s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 0 Tokenuri de intrare 27,030 Tokenuri de ieșire 73,544 Tokenuri de raționament 0 Timp de răspuns (mediu) 16.28s Timp de răspuns (total) 293.12s Timp de răspuns (maxim) 46.04s Eroare API: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 5.3 Combinat : 5.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#198#198	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Vezi fișa modelului Total teste 21 Teste greșite 7 Fiabilitate N/D Rată de trecere pe încercare 63.6% Teste instabile 0 Tokenuri de intrare 28,848 Tokenuri de ieșire 1,490 Tokenuri de raționament 10,102 Timp de răspuns (mediu) 9.05s Timp de răspuns (total) 90.53s Timp de răspuns (maxim) 26.24s Eroare API: 4 Răspuns greșit: 3 Trucuri anti-AI : 10.0 Programare : 3.0 Combinat : 1.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#37#37	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 9.9 Rată de trecere pe încercare 74.2% Teste instabile 5 Tokenuri de intrare 117,037 Tokenuri de ieșire 6,983 Tokenuri de raționament 375,104 Timp de răspuns (mediu) 26.59s Timp de răspuns (total) 584.89s Timp de răspuns (maxim) 192.00s Răspuns greșit: 4 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 7.1 Programare : 10.0 Combinat : 8.0 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#38#38	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 74.2% Teste instabile 4 Tokenuri de intrare 123,680 Tokenuri de ieșire 7,222 Tokenuri de raționament 271,442 Timp de răspuns (mediu) 19.67s Timp de răspuns (total) 432.72s Timp de răspuns (maxim) 142.49s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Formatare suplimentară: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 7.3 Programare : 10.0 Combinat : 8.5 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#48#48	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 72.7% Teste instabile 4 Tokenuri de intrare 105,013 Tokenuri de ieșire 9,914 Tokenuri de raționament 61,338 Timp de răspuns (mediu) 28.51s Timp de răspuns (total) 456.13s Timp de răspuns (maxim) 116.86s Nu a urmat instrucțiunile: 3 Răspuns greșit: 3 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 10.0 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.9 Inteligență generală : 3.7 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.5 Apelare instrumente : 4.7 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