Таблица лидеров AI Benchy

Name: Результаты бенчмарка моделей AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-02 Оценено моделей: 387

Рекомендуемые модели

GPT-6.1 Sol xhigh Интеллектуальная Доля успешных попыток 97.1% Тестов верно 22 / 23 Оценка 9.9/10 Gemini 3.7 Flash low Быстрая Время ответа (среднее) 6.24s Общее число выходных токенов 38,453 Оценка 9.4/10 GPT-6 Luna high Доступная Цена входа $0.100 / 1M Цена выхода $0.500 / 1M Цена чтения из кэша $0.010 / 1M Цена записи в кэш $0.125 / 1M Оценка 7.7/10

387/387

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#137#137	Qwen3.6 Plusmedium	7.3	Qwen	$0.554 ↑	57.41s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 3 Входные токены 222,601 Выходные токены 8,185 Токены рассуждений 238,605 Время ответа (среднее) 57.41s Время ответа (суммарно) 1263.02s Время ответа (макс.) 307.08s Неверный ответ: 6 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 10.0 Программирование : 6.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#135#135	Gemini 2.5 Flashmedium	7.3	Google	$0.680 ↑	20.51s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 1 Входные токены 132,507 Выходные токены 12,739 Токены рассуждений 228,626 Время ответа (среднее) 20.51s Время ответа (суммарно) 471.64s Время ответа (макс.) 140.50s Неверный ответ: 6 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 8.4 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#136#136	LongCat 2.0high	7.3	Meituan	$0.778 ↑	151.67s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 53.6% Нестабильные тесты 4 Входные токены 275,080 Выходные токены 32,447 Токены рассуждений 372,188 Время ответа (среднее) 151.67s Время ответа (суммарно) 3488.43s Время ответа (макс.) 941.66s Неверный ответ: 7 Не соблюдены инструкции: 2 Нет ответа: 2 Тайм-аут: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 8.9 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 5.1 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#134#134	Grok 4.7medium	7.3	X AI	$2.938	117.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.8 Доля успешных попыток 78.3% Нестабильные тесты 5 Входные токены 326,066 Выходные токены 5,726 Токены рассуждений 469,019 Время ответа (среднее) 117.65s Время ответа (суммарно) 2706.03s Время ответа (макс.) 660.89s Неверный ответ: 5 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.4 Следование инструкциям : 8.4 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#133#133	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 6 Входные токены 157,142 Выходные токены 8,149 Токены рассуждений 24,357 Время ответа (среднее) 11.87s Время ответа (суммарно) 272.91s Время ответа (макс.) 36.59s Неверный ответ: 3 Нет ответа: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 8.2 Программирование : 7.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 2.8
#132#132	GLM 5.3 Flashhigh	7.3	Z.ai	$0.056	29.11s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 4 Входные токены 225,013 Выходные токены 12,197 Токены рассуждений 87,143 Время ответа (среднее) 29.11s Время ответа (суммарно) 669.54s Время ответа (макс.) 163.41s Неверный ответ: 4 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 8.3 Программирование : 8.2 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#131#131	Gemma 4 26B A4Bmedium	7.3	Google	$0.101 ↓	105.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 1 Входные токены 224,367 Выходные токены 27,095 Токены рассуждений 242,256 Время ответа (среднее) 105.03s Время ответа (суммарно) 2310.63s Время ответа (макс.) 912.19s Нет ответа: 2 Тайм-аут: 2 Неверный ответ: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 2.9 Комбинированный : 6.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#130#130	Inklingmedium	7.4	Thinkingmachines	$0.527 ↓	16.98s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 75.4% Нестабильные тесты 5 Входные токены 257,138 Выходные токены 13,830 Токены рассуждений 55,775 Время ответа (среднее) 16.98s Время ответа (суммарно) 390.45s Время ответа (макс.) 85.12s Неверный ответ: 5 Недопустимый вызов инструмента: 2 Нет ответа: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 8.7 Программирование : 8.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 2.8
#129#129	DeepSeek V4 Pro 0423none	7.4	DeepSeek	$0.083 ↓	14.05s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 49.3% Нестабильные тесты 4 Входные токены 304,186 Выходные токены 46,004 Токены рассуждений 0 Время ответа (среднее) 14.05s Время ответа (суммарно) 323.17s Время ответа (макс.) 119.44s Неверный ответ: 9 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 3.2 Программирование : 5.6 Комбинированный : 7.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#128#128	Inkling Smallhigh	7.4	Thinkingmachines	$0.398 ↓	29.10s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 2 Входные токены 85,669 Выходные токены 6,092 Токены рассуждений 292,801 Время ответа (среднее) 29.10s Время ответа (суммарно) 669.40s Время ответа (макс.) 122.60s Неверный ответ: 6 Не соблюдены инструкции: 2 Ошибка API: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 9.8 Решение головоломок : 4.8 Вызов инструментов : 3.0 Эрудиция : 3.0
#127#127	Grok 4.7low	7.4	X AI	$1.933	63.19s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 73.9% Нестабильные тесты 5 Входные токены 365,119 Выходные токены 8,118 Токены рассуждений 247,211 Время ответа (среднее) 63.19s Время ответа (суммарно) 1453.28s Время ответа (макс.) 389.63s Неверный ответ: 6 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 8.4 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#126#126	GLM 5.3 FlashXhigh	7.4	Z.ai	$0.210	14.94s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 5 Входные токены 235,914 Выходные токены 8,147 Токены рассуждений 89,581 Время ответа (среднее) 14.94s Время ответа (суммарно) 343.65s Время ответа (макс.) 91.16s Неверный ответ: 8 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.2 Программирование : 8.2 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.6 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#125#125	Seed-2.0-Codemedium	7.4	Bytedance Seed	$1.275	100.65s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 8.0 Доля успешных попыток 65.2% Нестабильные тесты 7 Входные токены 244,499 Выходные токены 8,744 Токены рассуждений 375,349 Время ответа (среднее) 100.65s Время ответа (суммарно) 2314.88s Время ответа (макс.) 626.58s Неверный ответ: 6 Ошибка API: 4 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.9 Программирование : 8.9 Комбинированный : 4.7 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 4.7 Эрудиция : 3.0
#124#124	DeepSeek V4 Flash 0731low	7.4	DeepSeek	$0.309 ↑	88.15s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 6 Входные токены 231,356 Выходные токены 43,054 Токены рассуждений 370,981 Время ответа (среднее) 88.15s Время ответа (суммарно) 2027.36s Время ответа (макс.) 438.65s Неверный ответ: 8 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 8.2 Программирование : 7.3 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 6.5 Следование инструкциям : 9.9 Решение головоломок : 8.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#123#123	Qwen3.6 Flashmedium	7.4	Qwen	$0.783 ↓	45.45s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 5 Входные токены 258,760 Выходные токены 22,221 Токены рассуждений 630,059 Время ответа (среднее) 45.45s Время ответа (суммарно) 1045.45s Время ответа (макс.) 578.13s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 5.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#122#122	GPT-5.6 Lunamedium	7.4	OpenAI	$0.065 ↓	9.64s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 3 Входные токены 212,780 Выходные токены 6,849 Токены рассуждений 41,137 Время ответа (среднее) 9.64s Время ответа (суммарно) 221.62s Время ответа (макс.) 58.09s Неверный ответ: 9 Недопустимый вызов инструмента: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 8.3 Программирование : 5.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.9 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#121#121	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.0 Доля успешных попыток 65.2% Нестабильные тесты 5 Входные токены 297,321 Выходные токены 8,997 Токены рассуждений 423,853 Время ответа (среднее) 124.87s Время ответа (суммарно) 2871.96s Время ответа (макс.) 675.30s Неверный ответ: 6 Ошибка API: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.6 Следование инструкциям : 9.8 Решение головоломок : 7.8 Вызов инструментов : 4.7 Эрудиция : 3.0
#120#120	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.4 Доля успешных попыток 59.4% Нестабильные тесты 3 Входные токены 313,368 Выходные токены 12,289 Токены рассуждений 259,270 Время ответа (среднее) 91.67s Время ответа (суммарно) 1833.43s Время ответа (макс.) 301.78s Неверный ответ: 5 Тайм-аут: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.6 Программирование : 5.5 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#119#119	GLM 5.1medium	7.5	Z.ai	$1.840 ↑	66.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 9.2 Доля успешных попыток 66.7% Нестабильные тесты 4 Входные токены 331,577 Выходные токены 17,919 Токены рассуждений 230,789 Время ответа (среднее) 66.38s Время ответа (суммарно) 1460.31s Время ответа (макс.) 308.75s Неверный ответ: 5 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 4.6 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 8.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#118#118	Space Bunny Alphahigh	7.5	Stealth	$0.000	29.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 4 Входные токены 302,228 Выходные токены 181,271 Токены рассуждений 0 Время ответа (среднее) 29.38s Время ответа (суммарно) 675.79s Время ответа (макс.) 234.56s Неверный ответ: 10 Агентные задачи : 10.0 Анти-ИИ уловки : 6.4 Программирование : 6.2 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.2 Следование инструкциям : 6.2 Решение головоломок : 8.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#116#116	GPT-6 Lunalow	7.6	OpenAI	$0.033	23.23s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.7 Доля успешных попыток 63.8% Нестабильные тесты 4 Входные токены 195,928 Выходные токены 5,728 Токены рассуждений 19,152 Время ответа (среднее) 23.23s Время ответа (суммарно) 534.22s Время ответа (макс.) 89.37s Неверный ответ: 7 Ошибка API: 2 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.9 Программирование : 6.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.4 Следование инструкциям : 7.1 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#117#117	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 1 Входные токены 315,290 Выходные токены 1,607 Токены рассуждений 207,536 Время ответа (среднее) 46.60s Время ответа (суммарно) 1071.83s Время ответа (макс.) 376.04s Неверный ответ: 5 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 7.7 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#115#115	Muse Glimmer 30Bmedium	7.7	Meta	$0.353	33.97s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 65.2% Нестабильные тесты 6 Входные токены 269,497 Выходные токены 34,935 Токены рассуждений 145,752 Время ответа (среднее) 33.97s Время ответа (суммарно) 781.36s Время ответа (макс.) 181.08s Неверный ответ: 9 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 9.2 Программирование : 8.4 Комбинированный : 6.5 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 4.7 Следование инструкциям : 9.8 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#114#114	Qwen3.7 Flashlow	7.7	Qwen	$0.071 ↑	41.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 6 Входные токены 318,058 Выходные токены 16,035 Токены рассуждений 315,072 Время ответа (среднее) 41.03s Время ответа (суммарно) 943.75s Время ответа (макс.) 394.54s Неверный ответ: 7 Не соблюдены инструкции: 3 Ошибка API: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.7 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.0 Следование инструкциям : 8.5 Решение головоломок : 7.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#113#113	Qwen3.5 Plus 2026-04-20medium	7.7	Qwen	$0.435 ↓	54.06s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.7 Доля успешных попыток 65.2% Нестабильные тесты 2 Входные токены 176,539 Выходные токены 4,419 Токены рассуждений 195,929 Время ответа (среднее) 54.06s Время ответа (суммарно) 1189.36s Время ответа (макс.) 203.01s Неверный ответ: 8 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.9 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0

Глобальные тренды бенчмарка

Посмотрите, как современные модели балансируют оценку, стоимость, скорость, длину ответа и результаты по категориям.

Графики →

Граница Парето: интеллект и стоимость

Рост лучших оценок ведущих компаний со временем

Граница Парето: интеллект и скорость ответа

Граница Парето: оценка и выходные токены

Сложность категорий по всем моделям

Быстрое сравнение

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