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)
#104#104	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
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 97,324 Tokenuri de ieșire 44,383 Tokenuri de raționament 346,490 Timp de răspuns (mediu) 143.55s Timp de răspuns (total) 3158.11s Timp de răspuns (maxim) 939.52s Răspuns greșit: 7 Eroare API: 1 Fără răspuns: 1 Timp expirat: 1 Trucuri anti-AI : 10.0 Programare : 10.0 Combinat : 7.3 Parsare și extragere de date : 6.3 Specific domeniului : 3.0 Inteligență generală : 4.8 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 5.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#108#108	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
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 123,273 Tokenuri de ieșire 19,362 Tokenuri de raționament 0 Timp de răspuns (mediu) 7.67s Timp de răspuns (total) 122.78s Timp de răspuns (maxim) 51.18s Răspuns greșit: 5 Formatare suplimentară: 4 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 4.8 Programare : 5.5 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 7.7 Inteligență generală : 6.1 Respectarea instrucțiunilor : 6.5 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#113#113	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 54.6% Teste instabile 0 Tokenuri de intrare 98,833 Tokenuri de ieșire 58,097 Tokenuri de raționament 0 Timp de răspuns (mediu) 12.11s Timp de răspuns (total) 266.40s Timp de răspuns (maxim) 206.03s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 6.5 Programare : 5.5 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 5.3 Respectarea instrucțiunilor : 6.3 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#116#116	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 4 Tokenuri de intrare 68,913 Tokenuri de ieșire 64,654 Tokenuri de raționament 282,865 Timp de răspuns (mediu) 115.89s Timp de răspuns (total) 2433.66s Timp de răspuns (maxim) 876.20s Timp expirat: 3 Răspuns greșit: 3 Nu a urmat instrucțiunile: 2 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 7.0 Programare : 5.7 Combinat : 6.9 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#126#126	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 5 Tokenuri de intrare 140,244 Tokenuri de ieșire 13,739 Tokenuri de raționament 212,165 Timp de răspuns (mediu) 44.21s Timp de răspuns (total) 972.64s Timp de răspuns (maxim) 216.69s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 5.9 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 5.4 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 5.9 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
#129#129	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 8.1 Rată de trecere pe încercare 65.2% Teste instabile 4 Tokenuri de intrare 82,592 Tokenuri de ieșire 16,089 Tokenuri de raționament 199,800 Timp de răspuns (mediu) 58.80s Timp de răspuns (total) 1234.72s Timp de răspuns (maxim) 308.75s Răspuns greșit: 4 Fără răspuns: 2 Timp expirat: 2 Eroare API: 1 Formatare suplimentară: 1 Trucuri anti-AI : 10.0 Programare : 4.6 Combinat : 9.8 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 10.0 Respectarea instrucțiunilor : 6.4 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 3.0 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
#140#140	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 5 Tokenuri de intrare 129,050 Tokenuri de ieșire 20,026 Tokenuri de raționament 616,923 Timp de răspuns (mediu) 44.97s Timp de răspuns (total) 989.32s Timp de răspuns (maxim) 578.13s Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 5.0 Combinat : 6.5 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.8 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#144#144	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.9 Rată de trecere pe încercare 62.1% Teste instabile 4 Tokenuri de intrare 87,902 Tokenuri de ieșire 30,743 Tokenuri de raționament 335,668 Timp de răspuns (mediu) 127.64s Timp de răspuns (total) 2808.09s Timp de răspuns (maxim) 519.91s Răspuns greșit: 5 Nu a urmat instrucțiunile: 2 Eroare API: 1 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 8.2 Programare : 5.5 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.0 Inteligență generală : 3.0 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 9.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#146#146	GLM 5.3low	6.8	Z.ai	$0.257	13.65s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 4 Tokenuri de intrare 104,989 Tokenuri de ieșire 8,532 Tokenuri de raționament 16,276 Timp de răspuns (mediu) 13.65s Timp de răspuns (total) 300.22s Timp de răspuns (maxim) 83.60s Răspuns greșit: 8 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 6.9 Programare : 6.2 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 4.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 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
#162#162	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.672 ↓	58.49s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 57.6% Teste instabile 2 Tokenuri de intrare 85,148 Tokenuri de ieșire 61,736 Tokenuri de raționament 681,556 Timp de răspuns (mediu) 58.49s Timp de răspuns (total) 1169.83s Timp de răspuns (maxim) 817.57s Răspuns greșit: 5 Eroare API: 2 Nu a urmat instrucțiunile: 1 Apel de instrument invalid: 1 Fără răspuns: 1 Trucuri anti-AI : 10.0 Programare : 7.7 Combinat : 3.0 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 4.4 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 8.0 Apelare instrumente : 3.0 Cultură generală : 3.0
#163#163	Mercury 2.5 Previewhigh	6.6	Inception	$0.030	4.01s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 5 Tokenuri de intrare 115,759 Tokenuri de ieșire 2,562 Tokenuri de raționament 160,943 Timp de răspuns (mediu) 4.01s Timp de răspuns (total) 88.25s Timp de răspuns (maxim) 17.71s Răspuns greșit: 6 Nu a urmat instrucțiunile: 2 Eroare API: 1 Apel de instrument invalid: 1 Trucuri anti-AI : 10.0 Programare : 6.7 Combinat : 3.8 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 10.0 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
#174#174	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Vezi fișa modelului Total teste 22 Teste greșite 10 Fiabilitate 9.8 Rată de trecere pe încercare 63.6% Teste instabile 4 Tokenuri de intrare 132,044 Tokenuri de ieșire 92,135 Tokenuri de raționament 207,321 Timp de răspuns (mediu) 13.70s Timp de răspuns (total) 287.75s Timp de răspuns (maxim) 75.27s Răspuns greșit: 7 Apel de instrument invalid: 2 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 6.7 Combinat : 2.9 Parsare și extragere de date : 7.3 Specific domeniului : 3.0 Inteligență generală : 5.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 10.0 Apelare instrumente : 10.0 Cultură generală : 3.0
#154#154	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 65.2% Teste instabile 6 Tokenuri de intrare 44,615 Tokenuri de ieșire 2,347 Tokenuri de raționament 98,415 Timp de răspuns (mediu) 23.08s Timp de răspuns (total) 484.63s Timp de răspuns (maxim) 95.88s Răspuns greșit: 7 Apel de instrument invalid: 2 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.2 Programare : 6.0 Combinat : 3.4 Parsare și extragere de date : 10.0 Specific domeniului : 5.3 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 7.0 Cultură generală : 3.0
#205#205	Hy3 previewhigh	5.9	Tencent	$0.135 ↕	56.57s
Vezi fișa modelului Total teste 21 Teste greșite 10 Fiabilitate 10.0 Rată de trecere pe încercare 53.0% Teste instabile 2 Tokenuri de intrare 25,987 Tokenuri de ieșire 216,719 Tokenuri de raționament 0 Timp de răspuns (mediu) 56.57s Timp de răspuns (total) 848.59s Timp de răspuns (maxim) 149.94s Eroare API: 7 Răspuns greșit: 3 Trucuri anti-AI : 6.4 Programare : 5.3 Combinat : 5.0 Parsare și extragere de date : 6.5 Specific domeniului : 5.3 Inteligență generală : 3.0 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 7.7 Apelare instrumente : 10.0 Cultură generală : 3.0
#92#92	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 9.7 Rată de trecere pe încercare 62.1% Teste instabile 5 Tokenuri de intrare 121,996 Tokenuri de ieșire 90,051 Tokenuri de raționament 185,731 Timp de răspuns (mediu) 75.15s Timp de răspuns (total) 1578.24s Timp de răspuns (maxim) 431.03s Răspuns greșit: 4 Timp expirat: 3 Nu a urmat instrucțiunile: 2 Formatare suplimentară: 1 Fără răspuns: 1 Trucuri anti-AI : 5.5 Programare : 6.1 Combinat : 10.0 Parsare și extragere de date : 10.0 Specific domeniului : 3.2 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 7.9 Apelare instrumente : 10.0 Cultură generală : 3.0
#102#102	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 5 Tokenuri de intrare 72,085 Tokenuri de ieșire 57,453 Tokenuri de raționament 182,093 Timp de răspuns (mediu) 80.09s Timp de răspuns (total) 1681.85s Timp de răspuns (maxim) 365.80s Răspuns greșit: 6 Timp expirat: 3 Eroare API: 1 Nu a urmat instrucțiunile: 1 Trucuri anti-AI : 7.3 Programare : 7.8 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 3.7 Inteligență generală : 10.0 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 5.9 Apelare instrumente : 3.0 Cultură generală : 3.0
#110#110	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 68.2% Teste instabile 8 Tokenuri de intrare 87,682 Tokenuri de ieșire 7,166 Tokenuri de raționament 106,027 Timp de răspuns (mediu) 20.20s Timp de răspuns (total) 444.35s Timp de răspuns (maxim) 209.15s Răspuns greșit: 10 Eroare API: 1 Trucuri anti-AI : 6.9 Programare : 7.8 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.5 Inteligență generală : 4.1 Respectarea instrucțiunilor : 10.0 Rezolvare de puzzle-uri : 6.4 Apelare instrumente : 10.0 Cultură generală : 3.0
#114#114	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 71.2% Teste instabile 8 Tokenuri de intrare 89,819 Tokenuri de ieșire 58,398 Tokenuri de raționament 492,457 Timp de răspuns (mediu) 84.66s Timp de răspuns (total) 1862.46s Timp de răspuns (maxim) 288.78s Răspuns greșit: 5 Fără răspuns: 3 Formatare suplimentară: 1 Apel de instrument invalid: 1 Timp expirat: 1 Trucuri anti-AI : 8.2 Programare : 6.4 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 6.1 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#117#117	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 6 Tokenuri de intrare 106,085 Tokenuri de ieșire 9,071 Tokenuri de raționament 135,288 Timp de răspuns (mediu) 22.11s Timp de răspuns (total) 486.31s Timp de răspuns (maxim) 199.97s Răspuns greșit: 10 Apel de instrument invalid: 1 Trucuri anti-AI : 7.0 Programare : 6.4 Combinat : 7.3 Parsare și extragere de date : 10.0 Specific domeniului : 2.9 Inteligență generală : 5.1 Respectarea instrucțiunilor : 9.9 Rezolvare de puzzle-uri : 8.2 Apelare instrumente : 10.0 Cultură generală : 3.0
#120#120	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 66.7% Teste instabile 6 Tokenuri de intrare 92,191 Tokenuri de ieșire 14,286 Tokenuri de raționament 289,733 Timp de răspuns (mediu) 38.05s Timp de răspuns (total) 837.05s Timp de răspuns (maxim) 394.54s Răspuns greșit: 7 Nu a urmat instrucțiunile: 3 Eroare API: 1 Trucuri anti-AI : 10.0 Programare : 6.7 Combinat : 6.4 Parsare și extragere de date : 10.0 Specific domeniului : 3.6 Inteligență generală : 4.0 Respectarea instrucțiunilor : 8.5 Rezolvare de puzzle-uri : 7.3 Apelare instrumente : 10.0 Cultură generală : 3.0
#121#121	Muse Glimmer 30Bmedium	7.2	Meta	$0.227 ↓	30.64s
Vezi fișa modelului Total teste 22 Teste greșite 11 Fiabilitate 10.0 Rată de trecere pe încercare 63.6% Teste instabile 6 Tokenuri de intrare 116,513 Tokenuri de ieșire 33,065 Tokenuri de raționament 135,009 Timp de răspuns (mediu) 30.64s Timp de răspuns (total) 674.01s Timp de răspuns (maxim) 181.08s Răspuns greșit: 9 Nu a urmat instrucțiunile: 1 Fără răspuns: 1 Trucuri anti-AI : 9.2 Programare : 8.4 Combinat : 6.5 Parsare și extragere de date : 7.3 Specific domeniului : 2.9 Inteligență generală : 4.7 Respectarea instrucțiunilor : 9.8 Rezolvare de puzzle-uri : 6.0 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