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)
#51#51	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 2 Tokenuri de intrare 85,669 Tokenuri de ieșire 6,092 Tokenuri de raționament 292,801 Timp de răspuns (mediu) 30.43s Timp de răspuns (total) 669.38s Timp de răspuns (maxim) 122.60s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 9.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.3 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 4.8 Apelare instrumente : 3.0 Cultură generală : 3.0
#62#62	DeepSeek V4 Flash 0731high	8.0	DeepSeek	$0.084 ↓	114.94s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 75.8% Teste instabile 5 Tokenuri de intrare 96,702 Tokenuri de ieșire 16,966 Tokenuri de raționament 496,341 Timp de răspuns (mediu) 114.94s Timp de răspuns (total) 2528.65s Timp de răspuns (maxim) 600.61s Răspuns greșit: 4 Nu a urmat instrucțiunile: 2 Eroare API: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 6.3 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#63#63	GLM 5.2high	8.0	Z.ai	$1.188 ↑	69.86s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 3 Tokenuri de intrare 83,822 Tokenuri de ieșire 72,040 Tokenuri de raționament 292,615 Timp de răspuns (mediu) 69.86s Timp de răspuns (total) 1536.98s Timp de răspuns (maxim) 599.43s Timp expirat: 3 Fără răspuns: 2 Răspuns greșit: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 10.0 Programare : 6.4 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.1 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#65#65	GPT-5.6 Terrahigh	8.0	OpenAI	$0.836 ↓	11.22s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 2 Tokenuri de intrare 81,056 Tokenuri de ieșire 5,055 Tokenuri de raționament 51,033 Timp de răspuns (mediu) 11.22s Timp de răspuns (total) 246.77s Timp de răspuns (maxim) 91.49s Răspuns greșit: 7 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 7.6 Combinat : 8.7 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#72#72	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 78.8% Teste instabile 6 Tokenuri de intrare 103,916 Tokenuri de ieșire 8,892 Tokenuri de raționament 87,343 Timp de răspuns (mediu) 5.12s Timp de răspuns (total) 112.73s Timp de răspuns (maxim) 26.41s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 7.9 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 4.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 2.8
#74#74	GPT-5.6 Terramedium	7.8	OpenAI	$0.523 ↓	6.85s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 2 Tokenuri de intrare 79,184 Tokenuri de ieșire 4,878 Tokenuri de raționament 25,471 Timp de răspuns (mediu) 6.85s Timp de răspuns (total) 150.65s Timp de răspuns (maxim) 41.68s Răspuns greșit: 8 Trucuri anti-AI : 8.3 Programare : 6.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.5 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#75#75	Claude Sonnet 4.6medium	7.8	Anthropic	$2.126	28.08s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 1 Tokenuri de intrare 106,316 Tokenuri de ieșire 79,338 Tokenuri de raționament 41,089 Timp de răspuns (mediu) 28.08s Timp de răspuns (total) 421.15s Timp de răspuns (maxim) 140.96s Răspuns greșit: 4 Formatare suplimentară: 3 Timp expirat: 1 Trucuri anti-AI : 6.5 Programare : 5.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#76#76	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 9.6 Rată de trecere pe încercare 66.7% Teste instabile 1 Tokenuri de intrare 98,266 Tokenuri de ieșire 1,861 Tokenuri de raționament 134,301 Timp de răspuns (mediu) 33.05s Timp de răspuns (total) 694.04s Timp de răspuns (maxim) 214.63s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Eroare API: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 8.7 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.3 Apelare instrumente : 3.0 Cultură generală : 3.0
#86#86	GPT-5.6 Lunahigh	7.6	OpenAI	$0.179 ↓	16.49s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 80,927 Tokenuri de ieșire 5,088 Tokenuri de raționament 130,227 Timp de răspuns (mediu) 16.49s Timp de răspuns (total) 362.78s Timp de răspuns (maxim) 111.09s Răspuns greșit: 8 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.6 Apelare instrumente : 10.0 Cultură generală : 3.0
#94#94	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 72.7% Teste instabile 5 Tokenuri de intrare 113,569 Tokenuri de ieșire 9,823 Tokenuri de raționament 264,886 Timp de răspuns (mediu) 91.76s Timp de răspuns (total) 1376.42s Timp de răspuns (maxim) 304.85s Răspuns greșit: 4 Timp expirat: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.2 Programare : 6.6 Combinat : 6.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#100#100	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 0 Tokenuri de intrare 117,493 Tokenuri de ieșire 10,589 Tokenuri de raționament 47,189 Timp de răspuns (mediu) 4.59s Timp de răspuns (total) 101.04s Timp de răspuns (maxim) 18.34s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 9.1 Programare : 5.5 Combinat : 7.2 Parsare și extragere de date : 10.0 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
#105#105	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 9.4 Rată de trecere pe încercare 74.2% Teste instabile 4 Tokenuri de intrare 108,931 Tokenuri de ieșire 112,801 Tokenuri de raționament 343,227 Timp de răspuns (mediu) 120.59s Timp de răspuns (total) 2653.05s Timp de răspuns (maxim) 532.28s Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Fără răspuns: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 5.9 Combinat : 6.9 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 6.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#122#122	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 4 Tokenuri de intrare 124,780 Tokenuri de ieșire 47,694 Tokenuri de raționament 439,825 Timp de răspuns (mediu) 65.67s Timp de răspuns (total) 1444.68s Timp de răspuns (maxim) 519.30s Răspuns greșit: 5 Timp expirat: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 6.0 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 3.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#139#139	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 3 Tokenuri de intrare 13,852 Tokenuri de ieșire 119,100 Tokenuri de raționament 0 Timp de răspuns (mediu) 10.18s Timp de răspuns (total) 183.29s Timp de răspuns (maxim) 64.36s Eroare API: 4 Răspuns greșit: 4 Trucuri anti-AI : 10.0 Programare : 8.8 Combinat : 3.0 Parsare și extragere de date : 6.5 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
#159#159	Gemini 3.1 Flash Lite Previewlow	6.6	Google	$0.646	16.67s
Vezi fișa modelului Total teste 22 Teste greșite 8 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 0 Tokenuri de intrare 110,196 Tokenuri de ieșire 14,717 Tokenuri de raționament 397,462 Timp de răspuns (mediu) 16.67s Timp de răspuns (total) 366.69s Timp de răspuns (maxim) 309.35s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 5.5 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 4.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#52#52	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 4 Tokenuri de intrare 141,878 Tokenuri de ieșire 11,033 Tokenuri de raționament 105,456 Timp de răspuns (mediu) 11.89s Timp de răspuns (total) 261.69s Timp de răspuns (maxim) 54.15s Răspuns greșit: 5 Nu a urmat instrucțiunile: 3 Apel de instrument invalid: 1 Trucuri anti-AI : 7.9 Programare : 10.0 Combinat : 6.6 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 10.0 Respectarea instrucțiunilor : 7.3 Rezolvare de puzzle-uri : 8.3 Apelare instrumente : 9.8 Cultură generală : 3.0
#58#58	Muse Glimmer 30Bxhigh	8.1	Meta	$0.510 ↓	95.55s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 9.9 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 110,930 Tokenuri de ieșire 116,373 Tokenuri de raționament 330,471 Timp de răspuns (mediu) 95.55s Timp de răspuns (total) 2102.12s Timp de răspuns (maxim) 576.79s Răspuns greșit: 4 Fără răspuns: 3 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 6.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.5 Respectarea instrucțiunilor : 8.4 Rezolvare de puzzle-uri : 7.8 Apelare instrumente : 10.0 Cultură generală : 3.0
#61#61	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.044 ↓	77.55s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 5 Tokenuri de intrare 93,345 Tokenuri de ieșire 35,723 Tokenuri de raționament 350,266 Timp de răspuns (mediu) 77.55s Timp de răspuns (total) 1706.18s Timp de răspuns (maxim) 438.65s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.2 Programare : 7.3 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#67#67	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 101,104 Tokenuri de ieșire 29,742 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.73s Timp de răspuns (total) 162.40s Timp de răspuns (maxim) 38.52s Răspuns greșit: 6 Eroare API: 1 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.8 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 4.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#68#68	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 3 Tokenuri de intrare 114,191 Tokenuri de ieșire 409,709 Tokenuri de raționament 0 Timp de răspuns (mediu) 23.51s Timp de răspuns (total) 517.21s Timp de răspuns (maxim) 152.83s Răspuns greșit: 6 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 8.7 Programare : 8.8 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#77#77	Seed-2.0-Litemedium	7.8	Bytedance Seed	$0.236	47.94s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 129,906 Tokenuri de ieșire 12,530 Tokenuri de raționament 88,766 Timp de răspuns (mediu) 47.94s Timp de răspuns (total) 1054.57s Timp de răspuns (maxim) 254.92s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Fără răspuns: 1 Trucuri anti-AI : 8.3 Programare : 8.0 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 6.7 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#79#79	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 6 Tokenuri de intrare 116,331 Tokenuri de ieșire 12,330 Tokenuri de raționament 357,920 Timp de răspuns (mediu) 41.37s Timp de răspuns (total) 910.11s Timp de răspuns (maxim) 431.47s Răspuns greșit: 7 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 8.2 Combinat : 6.9 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.1 Apelare instrumente : 10.0 Cultură generală : 3.0
#81#81	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 8.5 Rată de trecere pe încercare 77.3% Teste instabile 6 Tokenuri de intrare 85,657 Tokenuri de ieșire 8,142 Tokenuri de raționament 233,167 Timp de răspuns (mediu) 72.24s Timp de răspuns (total) 1589.31s Timp de răspuns (maxim) 485.92s Răspuns greșit: 6 Eroare API: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 8.7 Programare : 7.0 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 4.1 Inteligență generală : 6.5 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 9.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#82#82	Claude Opus 4.6medium	7.7	Anthropic	$2.961	32.23s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 3 Tokenuri de intrare 108,573 Tokenuri de ieșire 69,994 Tokenuri de raționament 26,728 Timp de răspuns (mediu) 32.23s Timp de răspuns (total) 515.65s Timp de răspuns (maxim) 151.51s Formatare suplimentară: 4 Răspuns greșit: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.4 Programare : 5.7 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#84#84	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.039 ↓	51.81s
Vezi fișa modelului Total teste 22 Teste greșite 9 Fiabilitate 10.0 Rată de trecere pe încercare 69.7% Teste instabile 4 Tokenuri de intrare 108,480 Tokenuri de ieșire 37,229 Tokenuri de raționament 174,081 Timp de răspuns (mediu) 51.81s Timp de răspuns (total) 1139.75s Timp de răspuns (maxim) 218.13s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Trucuri anti-AI : 8.3 Programare : 7.8 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 6.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 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