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)
#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
#323#323	Granite 4.2 8Blow	5.3	IBM Granite	$0.036	58.20s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.2 Доля успешных попыток 33.3% Нестабильные тесты 1 Входные токены 332,917 Выходные токены 18,989 Токены рассуждений 42,362 Время ответа (среднее) 58.20s Время ответа (суммарно) 1338.65s Время ответа (макс.) 566.80s Неверный ответ: 11 Тайм-аут: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 8.3 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#331#331	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.8 Доля успешных попыток 40.6% Нестабильные тесты 5 Входные токены 50,423 Выходные токены 4,144 Токены рассуждений 110,510 Время ответа (среднее) 15.23s Время ответа (суммарно) 350.26s Время ответа (макс.) 118.35s Неверный ответ: 9 Ошибка API: 4 Лишнее форматирование: 3 Агентные задачи : 3.0 Анти-ИИ уловки : 6.9 Программирование : 4.3 Комбинированный : 6.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 9.8 Решение головоломок : 3.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#345#345	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.9 Доля успешных попыток 42.0% Нестабильные тесты 6 Входные токены 61,094 Выходные токены 6,532 Токены рассуждений 53,882 Время ответа (среднее) 10.21s Время ответа (суммарно) 234.86s Время ответа (макс.) 86.23s Неверный ответ: 7 Лишнее форматирование: 4 Ошибка API: 3 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 7.3 Программирование : 3.5 Комбинированный : 6.4 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 3.1 Вызов инструментов : 10.0 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
#387#387	GLM 5 Turbonone	4.2	Z.ai	$0.047 ↑	2.82s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 2 Входные токены 32,525 Выходные токены 1,815 Токены рассуждений 0 Время ответа (среднее) 2.82s Время ответа (суммарно) 59.29s Время ответа (макс.) 8.21s Неверный ответ: 13 Не соблюдены инструкции: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 3.0 Программирование : 3.9 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.2 Следование инструкциям : 6.5 Решение головоломок : 5.5 Вызов инструментов : 10.0 Эрудиция : 3.0
#405#405	Elephant Alphamedium	3.5	Openrouter	$0.000	1.27s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 15 Надежность Н/Д Доля успешных попыток 27.5% Нестабильные тесты 1 Входные токены 33,744 Выходные токены 2,596 Токены рассуждений 0 Время ответа (среднее) 1.27s Время ответа (суммарно) 22.82s Время ответа (макс.) 3.70s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.6 Программирование : 3.7 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.3 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#439#439	Solar Decidedefault	1.0	Upstage	$0.009 ↑	6.01s
Открыть карточку модели Всего тестов 7 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 14.5% Нестабильные тесты 3 Входные токены 47,586 Выходные токены 51 Токены рассуждений 0 Время ответа (среднее) 6.01s Время ответа (суммарно) 42.05s Время ответа (макс.) 13.10s Неверный ответ: 5 Агентные задачи : 0.0 Анти-ИИ уловки : 0.8 Программирование : 0.0 Комбинированный : 0.0 Парсинг и извлечение данных : 3.7 Предметно-ориентированное : 4.3 Общий интеллект : 0.0 Следование инструкциям : 5.0 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#416#416	Laguna Xs.2default	3.1	Poolside	$0.004 ↕	806ms
Открыть карточку модели Всего тестов 19 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 21.7% Нестабильные тесты 0 Входные токены 33,675 Выходные токены 2,826 Токены рассуждений 0 Время ответа (среднее) 806ms Время ответа (суммарно) 12.09s Время ответа (макс.) 2.01s Неверный ответ: 8 Ошибка API: 4 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.0 Программирование : 0.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 3.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#292#292	Trinity Large Thinkinghigh	5.7	Arcee AI	$0.794 ↑	74.52s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 42.0% Нестабильные тесты 8 Входные токены 283,116 Выходные токены 277,920 Токены рассуждений 665,124 Время ответа (среднее) 74.52s Время ответа (суммарно) 1713.90s Время ответа (макс.) 510.21s Неверный ответ: 10 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.7 Программирование : 3.7 Комбинированный : 3.0 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 6.3 Решение головоломок : 4.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#294#294	GPT-5.4 Mininone	5.7	OpenAI	$0.170	3.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.4% Нестабильные тесты 2 Входные токены 172,438 Выходные токены 8,828 Токены рассуждений 0 Время ответа (среднее) 3.34s Время ответа (суммарно) 76.84s Время ответа (макс.) 41.98s Неверный ответ: 14 Не соблюдены инструкции: 3 Агентные задачи : 5.0 Анти-ИИ уловки : 3.1 Программирование : 5.5 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#295#295	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.7 Доля успешных попыток 31.9% Нестабильные тесты 2 Входные токены 257,872 Выходные токены 54,388 Токены рассуждений 0 Время ответа (среднее) 20.43s Время ответа (суммарно) 469.88s Время ответа (макс.) 192.80s Неверный ответ: 15 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 3.6 Программирование : 4.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.3 Следование инструкциям : 6.5 Решение головоломок : 7.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#304#304	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.120 ↓	18.31s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 37.7% Нестабильные тесты 4 Входные токены 218,886 Выходные токены 135,768 Токены рассуждений 0 Время ответа (среднее) 18.31s Время ответа (суммарно) 421.19s Время ответа (макс.) 209.15s Неверный ответ: 14 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 3.4 Программирование : 5.5 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.5 Следование инструкциям : 6.3 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#307#307	Kimi K2.6none	5.5	Moonshot AI	$0.486 ↑	26.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.4% Нестабильные тесты 3 Входные токены 241,357 Выходные токены 64,021 Токены рассуждений 1 Время ответа (среднее) 26.34s Время ответа (суммарно) 605.78s Время ответа (макс.) 238.89s Неверный ответ: 13 Не соблюдены инструкции: 3 Нет ответа: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 4.6 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.4 Следование инструкциям : 6.5 Решение головоломок : 3.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#313#313	Seed-2.0-Codenone	5.4	Bytedance Seed	$0.257	17.51s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.0 Доля успешных попыток 37.7% Нестабильные тесты 6 Входные токены 319,668 Выходные токены 32,069 Токены рассуждений 0 Время ответа (среднее) 17.51s Время ответа (суммарно) 402.66s Время ответа (макс.) 132.84s Неверный ответ: 12 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 3.0 Программирование : 3.6 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#318#318	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.060	6.20s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 30.4% Нестабильные тесты 2 Входные токены 276,697 Выходные токены 75,728 Токены рассуждений 0 Время ответа (среднее) 6.20s Время ответа (суммарно) 142.63s Время ответа (макс.) 62.57s Неверный ответ: 15 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 3.7 Комбинированный : 3.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.5 Решение головоломок : 3.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#322#322	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 34.8% Нестабильные тесты 3 Входные токены 230,744 Выходные токены 8,000 Токены рассуждений 0 Время ответа (среднее) 3.78s Время ответа (суммарно) 86.83s Время ответа (макс.) 53.77s Неверный ответ: 15 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 3.8 Комбинированный : 3.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 5.0 Следование инструкциям : 7.1 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#329#329	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 123,993 Выходные токены 12,777 Токены рассуждений 0 Время ответа (среднее) 3.40s Время ответа (суммарно) 74.77s Время ответа (макс.) 17.51s Неверный ответ: 13 Ошибка API: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 4.8 Решение головоломок : 5.3 Вызов инструментов : 10.0 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
#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
#364#364	DeepSeek V3.2none	4.6	DeepSeek	$0.119 ↑	22.44s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 10.0 Доля успешных попыток 34.8% Нестабильные тесты 5 Входные токены 342,158 Выходные токены 32,853 Токены рассуждений 25,013 Время ответа (среднее) 22.44s Время ответа (суммарно) 516.03s Время ответа (макс.) 122.50s Неверный ответ: 9 Ошибка API: 3 Лишнее форматирование: 2 Недопустимый вызов инструмента: 2 Не соблюдены инструкции: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 3.2 Программирование : 3.1 Комбинированный : 4.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#373#373	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 17 Надежность 9.6 Доля успешных попыток 29.0% Нестабильные тесты 2 Входные токены 114,384 Выходные токены 14,903 Токены рассуждений 0 Время ответа (среднее) 10.21s Время ответа (суммарно) 214.31s Время ответа (макс.) 36.03s Неверный ответ: 9 Ошибка API: 3 Недопустимый вызов инструмента: 3 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 6.8 Программирование : 5.3 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 2.9 Вызов инструментов : 3.0 Эрудиция : 3.0
#427#427	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 13.0% Нестабильные тесты 0 Входные токены 47,583 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 495ms Время ответа (суммарно) 5.94s Время ответа (макс.) 842ms Неверный ответ: 8 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 2.3 Программирование : 2.5 Комбинированный : 0.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.7 Вызов инструментов : 0.0 Эрудиция : 0.0
#428#428	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 15.9% Нестабильные тесты 1 Входные токены 42,804 Выходные токены 28,061 Токены рассуждений 0 Время ответа (среднее) 5.63s Время ответа (суммарно) 67.61s Время ответа (макс.) 17.79s Неверный ответ: 9 Агентные задачи : 0.0 Анти-ИИ уловки : 2.3 Программирование : 4.5 Комбинированный : 0.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 2.0 Вызов инструментов : 0.0 Эрудиция : 0.0
#430#430	Classify-1default	2.2	Scaledown	$0.008	4.58s
Открыть карточку модели Всего тестов 12 Ошибочных тестов 9 Надежность 9.4 Доля успешных попыток 18.8% Нестабильные тесты 2 Входные токены 195,645 Выходные токены 164 Токены рассуждений 0 Время ответа (среднее) 4.58s Время ответа (суммарно) 55.01s Время ответа (макс.) 13.35s Неверный ответ: 8 Ошибка API: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 2.7 Комбинированный : 0.0 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 0.0 Следование инструкциям : 1.5 Решение головоломок : 1.0 Вызов инструментов : 0.0 Эрудиция : 0.0

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