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: 2026-10-17 Оценено моделей: 442

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

442/442

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#141#141	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
#298#298	Gemma 4 31Bnone	5.7	Google	$0.031 ↓	7.28s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 42.0% Нестабильные тесты 1 Входные токены 270,970 Выходные токены 15,499 Токены рассуждений 0 Время ответа (среднее) 7.28s Время ответа (суммарно) 152.84s Время ответа (макс.) 44.73s Неверный ответ: 11 Ошибка API: 2 Не соблюдены инструкции: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 6.5 Вызов инструментов : 3.0 Эрудиция : 3.0
#311#311	Gemma 4 26B A4Bnone	5.5	Google	$0.031	10.55s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 42.0% Нестабильные тесты 1 Входные токены 280,126 Выходные токены 17,306 Токены рассуждений 0 Время ответа (среднее) 10.55s Время ответа (суммарно) 242.57s Время ответа (макс.) 75.76s Неверный ответ: 10 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 8.3 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 6.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#281#281	gpt-oss-120bmedium	5.9	OpenAI	$0.030 ↓	31.58s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 47.8% Нестабильные тесты 5 Входные токены 285,293 Выходные токены 29,565 Токены рассуждений 89,266 Время ответа (среднее) 31.58s Время ответа (суммарно) 536.78s Время ответа (макс.) 203.90s Неверный ответ: 10 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.7 Программирование : 5.9 Комбинированный : 6.5 Парсинг и извлечение данных : 6.4 Предметно-ориентированное : 2.9 Общий интеллект : 4.3 Следование инструкциям : 9.9 Решение головоломок : 5.3 Вызов инструментов : 9.8 Эрудиция : 3.0
#272#272	Granite 4.2 8Bmedium	6.1	IBM Granite	$0.029	50.47s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 8.9 Доля успешных попыток 37.7% Нестабильные тесты 1 Входные токены 259,708 Выходные токены 16,567 Токены рассуждений 33,580 Время ответа (среднее) 50.47s Время ответа (суммарно) 1160.91s Время ответа (макс.) 557.96s Неверный ответ: 9 Тайм-аут: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.4 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 3.8 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#286#286	Qwen3.7 Flashnone	5.9	Qwen	$0.028	14.70s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.2% Нестабильные тесты 3 Входные токены 410,787 Выходные токены 117,742 Токены рассуждений 0 Время ответа (среднее) 14.70s Время ответа (суммарно) 338.13s Время ответа (макс.) 186.24s Неверный ответ: 14 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 3.0 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 6.3 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#357#357	GLM 4.7 Flashnone	4.8	Z.ai	$0.027	13.04s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 3 Входные токены 255,363 Выходные токены 27,395 Токены рассуждений 0 Время ответа (среднее) 13.04s Время ответа (суммарно) 221.61s Время ответа (макс.) 97.15s Неверный ответ: 15 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 5.2 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 6.5 Решение головоломок : 6.4 Вызов инструментов : 2.8 Эрудиция : 3.0
#388#388	Mercury 2.5none	4.1	Inception	$0.026	5.10s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 21 Надежность 10.0 Доля успешных попыток 24.6% Нестабильные тесты 7 Входные токены 311,488 Выходные токены 89,958 Токены рассуждений 0 Время ответа (среднее) 5.10s Время ответа (суммарно) 117.24s Время ответа (макс.) 63.41s Неверный ответ: 15 Не соблюдены инструкции: 4 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.8 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 2.8 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 4.9 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#375#375	Ring 2.6 1tdefault	4.5	Inclusionai	$0.026 ↑	48.94s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 43.5% Нестабильные тесты 2 Входные токены 7,608 Выходные токены 17,529 Токены рассуждений 34,499 Время ответа (среднее) 48.94s Время ответа (суммарно) 831.92s Время ответа (макс.) 143.82s Ошибка API: 7 Неверный ответ: 5 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 9.2 Программирование : 5.3 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#310#310	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.9 Доля успешных попыток 40.6% Нестабильные тесты 5 Входные токены 222,357 Выходные токены 6,855 Токены рассуждений 0 Время ответа (среднее) 20.48s Время ответа (суммарно) 470.96s Время ответа (макс.) 98.62s Неверный ответ: 13 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 5.1 Следование инструкциям : 6.2 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#411#411	MiMo-V2-Flashdefault	3.3	Xiaomi	$0.025 ↑	2.76s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 17 Надежность 6.7 Доля успешных попыток 23.2% Нестабильные тесты 4 Входные токены 36,851 Выходные токены 68,882 Токены рассуждений 0 Время ответа (среднее) 2.76s Время ответа (суммарно) 46.99s Время ответа (макс.) 19.68s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Лишнее форматирование: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.2 Программирование : 4.3 Комбинированный : 1.5 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 5.3 Общий интеллект : 4.6 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#344#344	GPT-4o-minidefault	5.0	OpenAI	$0.024	4.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 21.7% Нестабильные тесты 0 Входные токены 145,180 Выходные токены 3,627 Токены рассуждений 0 Время ответа (среднее) 4.16s Время ответа (суммарно) 70.70s Время ответа (макс.) 39.99s Неверный ответ: 16 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 3.2 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 6.3 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#358#358	Mercury 2.5 Previewdefault	4.7	Inception	$0.023 ↑	7.05s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 9.9 Доля успешных попыток 29.0% Нестабильные тесты 5 Входные токены 250,541 Выходные токены 86,367 Токены рассуждений 0 Время ответа (среднее) 7.05s Время ответа (суммарно) 162.25s Время ответа (макс.) 84.96s Неверный ответ: 16 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 3.8 Программирование : 4.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#301#301	Solar Pro 4none	5.6	Upstage	$0.022	8.14s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.9% Нестабильные тесты 1 Входные токены 305,664 Выходные токены 13,249 Токены рассуждений 0 Время ответа (среднее) 8.14s Время ответа (суммарно) 187.23s Время ответа (макс.) 69.17s Неверный ответ: 14 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 5.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#376#376	Mimo V2 Omnidefault	4.5	Xiaomi	$0.021 ↓	2.44s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 36.2% Нестабильные тесты 1 Входные токены 40,852 Выходные токены 3,314 Токены рассуждений 0 Время ответа (среднее) 2.44s Время ответа (суммарно) 48.81s Время ответа (макс.) 6.81s Неверный ответ: 10 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.6 Программирование : 4.4 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 6.5 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#290#290	Ling 3.0 Flashhigh	5.8	Inclusionai	$0.021 ↕	13.08s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.8 Доля успешных попыток 60.9% Нестабильные тесты 4 Входные токены 132,044 Выходные токены 92,135 Токены рассуждений 207,321 Время ответа (среднее) 13.08s Время ответа (суммарно) 287.79s Время ответа (макс.) 75.27s Неверный ответ: 7 Ошибка API: 2 Недопустимый вызов инструмента: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 6.7 Комбинированный : 2.9 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
#433#433	Step 3.5 Flashnone	1.9	Stepfun	$0.020	39.03s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 1,971 Выходные токены 50,509 Токены рассуждений 33,867 Время ответа (среднее) 39.03s Время ответа (суммарно) 312.26s Время ответа (макс.) 114.12s Ошибка API: 4 Не соблюдены инструкции: 1 Неверный ответ: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 10.0 Программирование : 1.0 Комбинированный : 1.5 Парсинг и извлечение данных : 1.5 Предметно-ориентированное : 3.3 Общий интеллект : 4.0 Следование инструкциям : 5.0 Решение головоломок : 0.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#336#336	Mercury 2.5low	5.1	Inception	$0.020	3.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.8 Доля успешных попыток 37.7% Нестабильные тесты 5 Входные токены 326,083 Выходные токены 7,224 Токены рассуждений 33,078 Время ответа (среднее) 3.34s Время ответа (суммарно) 76.80s Время ответа (макс.) 47.06s Неверный ответ: 14 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.9 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.6 Общий интеллект : 4.4 Следование инструкциям : 2.9 Решение головоломок : 5.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#326#326	Laguna XS 2.1none	5.3	Poolside	$0.020	4.56s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 3 Входные токены 270,072 Выходные токены 23,173 Токены рассуждений 0 Время ответа (среднее) 4.56s Время ответа (суммарно) 104.80s Время ответа (макс.) 70.79s Неверный ответ: 14 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Тайм-аут: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 5.3 Программирование : 4.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 3.8 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#309#309	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 37.7% Нестабильные тесты 1 Входные токены 39,886 Выходные токены 1,890 Токены рассуждений 0 Время ответа (среднее) 6.00s Время ответа (суммарно) 138.04s Время ответа (макс.) 118.00s Неверный ответ: 13 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 3.0 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#377#377	Nemotron 3 Supernone	4.5	NVIDIA	$0.016 ↑	7.11s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 9.5 Доля успешных попыток 27.5% Нестабильные тесты 3 Входные токены 146,361 Выходные токены 9,073 Токены рассуждений 1 Время ответа (среднее) 7.11s Время ответа (суммарно) 163.46s Время ответа (макс.) 30.51s Неверный ответ: 16 Не соблюдены инструкции: 2 Агентные задачи : 2.8 Анти-ИИ уловки : 4.8 Программирование : 3.3 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.6 Следование инструкциям : 6.3 Решение головоломок : 5.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#386#386	gpt-oss-120bnone	4.2	OpenAI	$0.016 ↓	28.63s
Открыть карточку модели Всего тестов 20 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 34.8% Нестабильные тесты 3 Входные токены 131,652 Выходные токены 16,869 Токены рассуждений 53,081 Время ответа (среднее) 28.63s Время ответа (суммарно) 486.69s Время ответа (макс.) 140.90s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 2 Агентные задачи : 6.1 Анти-ИИ уловки : 6.5 Программирование : 1.5 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 9.8 Решение головоломок : 6.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#351#351	Ling 2.6 1tdefault	4.9	Inclusionai	$0.016 ↑	8.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 10.0 Доля успешных попыток 17.4% Нестабильные тесты 0 Входные токены 106,423 Выходные токены 11,555 Токены рассуждений 0 Время ответа (среднее) 8.16s Время ответа (суммарно) 163.24s Время ответа (макс.) 25.72s Неверный ответ: 12 Ошибка API: 4 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 3.4 Программирование : 3.8 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.4 Решение головоломок : 3.1 Вызов инструментов : 3.0 Эрудиция : 3.0
#442#442	Claude Opus 5.5none	0.2	Anthropic	$0.015	13.58s
Открыть карточку модели Всего тестов 1 Ошибочных тестов 0 Надежность 10.0 Доля успешных попыток 4.4% Нестабильные тесты 0 Входные токены 73 Выходные токены 6 Токены рассуждений 729 Время ответа (среднее) 13.58s Время ответа (суммарно) 13.58s Время ответа (макс.) 13.58s Агентные задачи : 0.0 Анти-ИИ уловки : 0.0 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 0.0 Предметно-ориентированное : 3.3 Общий интеллект : 0.0 Следование инструкциям : 0.0 Решение головоломок : 0.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#341#341	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.9 Доля успешных попыток 44.9% Нестабильные тесты 8 Входные токены 235,438 Выходные токены 8,136 Токены рассуждений 28,734 Время ответа (среднее) 4.92s Время ответа (суммарно) 113.24s Время ответа (макс.) 84.47s Неверный ответ: 13 Не соблюдены инструкции: 2 Ошибка API: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 5.6 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 4.1 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 8.2 Вызов инструментов : 2.8 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