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: 2026-10-19 Оценено моделей: 451

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

451/451

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#421#421	Xing4.0 29b A4bnone	3.3	Xingchen AGI	$0.000	42.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 8.8 Доля успешных попыток 7.3% Нестабильные тесты 4 Входные токены 153,665 Выходные токены 26,540 Токены рассуждений 0 Время ответа (среднее) 42.72s Время ответа (суммарно) 982.66s Время ответа (макс.) 634.11s Неверный ответ: 13 Не соблюдены инструкции: 5 Ошибка API: 3 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 3.0 Анти-ИИ уловки : 3.3 Программирование : 3.6 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.0 Общий интеллект : 3.4 Следование инструкциям : 4.0 Решение головоломок : 3.1 Вызов инструментов : 4.7 Эрудиция : 3.0
#399#399	Qwen3.5-9Bmedium	4.0	Qwen	$0.106	110.18s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 8.7 Доля успешных попыток 26.1% Нестабильные тесты 6 Входные токены 387,323 Выходные токены 48,562 Токены рассуждений 410,431 Время ответа (среднее) 110.18s Время ответа (суммарно) 1873.00s Время ответа (макс.) 569.97s Тайм-аут: 11 Нет ответа: 3 Неверный ответ: 2 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 5.1 Программирование : 2.9 Комбинированный : 3.0 Парсинг и извлечение данных : 3.6 Предметно-ориентированное : 3.6 Общий интеллект : 2.8 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#196#196	Ember-1high	6.9	Fireworks	$2.405	58.14s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 8.6 Доля успешных попыток 71.0% Нестабильные тесты 8 Входные токены 195,489 Выходные токены 12,475 Токены рассуждений 108,748 Время ответа (среднее) 58.14s Время ответа (суммарно) 1337.19s Время ответа (макс.) 255.06s Ошибка API: 7 Неверный ответ: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 8.7 Программирование : 8.2 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 7.1 Решение головоломок : 10.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#214#214	Ember-1max	6.7	Fireworks	$3.264	97.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 8.3 Доля успешных попыток 59.4% Нестабильные тесты 6 Входные токены 153,399 Выходные токены 7,803 Токены рассуждений 179,098 Время ответа (среднее) 97.34s Время ответа (суммарно) 2238.73s Время ответа (макс.) 587.08s Ошибка API: 8 Неверный ответ: 3 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 5.2 Комбинированный : 6.5 Парсинг и извлечение данных : 6.4 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 6.2 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#371#371	Granite 4.2 8Bhigh	4.7	IBM Granite	$0.111	235.35s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 19 Надежность 8.2 Доля успешных попыток 37.7% Нестабильные тесты 10 Входные токены 282,658 Выходные токены 198,563 Токены рассуждений 462,804 Время ответа (среднее) 235.35s Время ответа (суммарно) 5413.09s Время ответа (макс.) 685.87s Тайм-аут: 10 Неверный ответ: 7 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 6.9 Программирование : 3.8 Комбинированный : 5.0 Парсинг и извлечение данных : 3.8 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 6.4 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#154#154	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
#407#407	Xing4.0 29b A4bmedium	3.7	Xingchen AGI	$0.000	371.69s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 22 Надежность 7.3 Доля успешных попыток 26.1% Нестабильные тесты 11 Входные токены 98,467 Выходные токены 3,385 Токены рассуждений 104,595 Время ответа (среднее) 371.69s Время ответа (суммарно) 8548.88s Время ответа (макс.) 971.85s Неверный ответ: 9 Тайм-аут: 6 Ошибка API: 4 Не соблюдены инструкции: 3 Агентные задачи : 3.0 Анти-ИИ уловки : 3.8 Программирование : 4.2 Комбинированный : 3.0 Парсинг и извлечение данных : 2.9 Предметно-ориентированное : 3.6 Общий интеллект : 3.2 Следование инструкциям : 4.3 Решение головоломок : 2.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#420#420	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
#326#326	Hy4 previewlow	5.4	Tencent	$1.844	207.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 6.5 Доля успешных попыток 21.7% Нестабильные тесты 4 Входные токены 162,180 Выходные токены 5,030 Токены рассуждений 682,447 Время ответа (среднее) 207.21s Время ответа (суммарно) 4765.91s Время ответа (макс.) 597.45s Неверный ответ: 13 Ошибка API: 5 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 6.0 Программирование : 5.2 Комбинированный : 2.9 Парсинг и извлечение данных : 8.7 Предметно-ориентированное : 4.5 Общий интеллект : 7.5 Следование инструкциям : 9.8 Решение головоломок : 5.3 Вызов инструментов : 3.0 Эрудиция : 3.0
#363#363	Hy4 previewnone	4.9	Tencent	$0.165	40.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 20 Надежность 6.2 Доля успешных попыток 15.9% Нестабильные тесты 1 Входные токены 185,167 Выходные токены 9,430 Токены рассуждений 0 Время ответа (среднее) 40.38s Время ответа (суммарно) 928.76s Время ответа (макс.) 95.32s Неверный ответ: 14 Ошибка API: 2 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.3 Программирование : 3.8 Комбинированный : 3.0 Парсинг и извлечение данных : 8.7 Предметно-ориентированное : 6.8 Общий интеллект : 5.1 Следование инструкциям : 7.0 Решение головоломок : 4.6 Вызов инструментов : 3.0 Эрудиция : 3.0
#417#417	Command A+medium	3.4	Cohere	$0.064	91.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 3.5 Доля успешных попыток 0.0% Нестабильные тесты 0 Входные токены 118,771 Выходные токены 4,127 Токены рассуждений 14,668 Время ответа (среднее) 91.72s Время ответа (суммарно) 2109.54s Время ответа (макс.) 112.76s Ошибка API: 22 Неверный ответ: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.0 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#423#423	Command A+high	3.2	Cohere	$0.079	89.96s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 3.5 Доля успешных попыток 0.0% Нестабильные тесты 0 Входные токены 117,966 Выходные токены 5,149 Токены рассуждений 23,514 Время ответа (среднее) 89.96s Время ответа (суммарно) 2069.01s Время ответа (макс.) 156.00s Ошибка API: 22 Неверный ответ: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 3.0 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#427#427	Command A+low	3.0	Cohere	$0.073	92.50s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 3.5 Доля успешных попыток 1.5% Нестабильные тесты 1 Входные токены 114,874 Выходные токены 1,992 Токены рассуждений 23,529 Время ответа (среднее) 92.50s Время ответа (суммарно) 2127.40s Время ответа (макс.) 128.54s Ошибка API: 22 Неверный ответ: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 3.0 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#426#426	Command A+none	3.0	Cohere	$0.000	77.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 23 Надежность 0.0 Доля успешных попыток 0.0% Нестабильные тесты 0 Входные токены 0 Выходные токены 0 Токены рассуждений 0 Время ответа (среднее) 77.87s Время ответа (суммарно) 1791.03s Время ответа (макс.) 106.37s Ошибка API: 23 Агентные задачи : 3.0 Анти-ИИ уловки : 3.0 Программирование : 3.0 Комбинированный : 3.0 Парсинг и извлечение данных : 3.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 3.0 Решение головоломок : 3.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#355#355	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 4 Надежность Н/Д Доля успешных попыток 63.8% Нестабильные тесты 1 Входные токены 35,955 Выходные токены 1,647 Токены рассуждений 91,565 Время ответа (среднее) 9.75s Время ответа (суммарно) 175.48s Время ответа (макс.) 31.36s Неверный ответ: 3 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 8.7 Программирование : 3.3 Комбинированный : 5.0 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 : 0.0
#359#359	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность Н/Д Доля успешных попыток 60.9% Нестабильные тесты 0 Входные токены 28,848 Выходные токены 1,490 Токены рассуждений 10,102 Время ответа (среднее) 9.05s Время ответа (суммарно) 90.53s Время ответа (макс.) 26.24s Ошибка API: 4 Неверный ответ: 3 Агентные задачи : 0.0 Анти-ИИ уловки : 10.0 Программирование : 3.0 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#392#392	Gemini 3.1 Flash Lite Previewhigh	4.3	Google	$2.310	68.14s
Открыть карточку модели Всего тестов 16 Ошибочных тестов 3 Надежность Н/Д Доля успешных попыток 56.5% Нестабильные тесты 0 Входные токены 28,980 Выходные токены 1,283 Токены рассуждений 1,533,310 Время ответа (среднее) 68.14s Время ответа (суммарно) 1090.28s Время ответа (макс.) 280.52s Неверный ответ: 2 Не соблюдены инструкции: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 7.5 Программирование : 0.0 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#398#398	Qwen3.6 Plus Previewmedium	4.0	Qwen	$0.000	15.25s
Открыть карточку модели Всего тестов 19 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 39.1% Нестабильные тесты 0 Входные токены 32,639 Выходные токены 1,153 Токены рассуждений 62,197 Время ответа (среднее) 15.25s Время ответа (суммарно) 182.96s Время ответа (макс.) 43.55s Ошибка API: 8 Неверный ответ: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 8.3 Программирование : 1.0 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 3.0 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#400#400	Grok 4.20 Multi Agent Betamedium	3.9	X AI	$5.599 ↑	9.69s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 46.4% Нестабильные тесты 5 Входные токены 721,952 Выходные токены 294,668 Токены рассуждений 305,374 Время ответа (среднее) 9.69s Время ответа (суммарно) 155.07s Время ответа (макс.) 35.28s Неверный ответ: 4 Ошибка API: 2 Лишнее форматирование: 2 Не соблюдены инструкции: 2 Агентные задачи : 0.0 Анти-ИИ уловки : 6.9 Программирование : 3.3 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.8 Следование инструкциям : 9.8 Решение головоломок : 6.7 Вызов инструментов : 3.0 Эрудиция : 0.0
#401#401	Hunter Alphamedium	3.9	OpenRouter	$0.000	10.33s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 10 Надежность Н/Д Доля успешных попыток 50.7% Нестабильные тесты 6 Входные токены 28,927 Выходные токены 4,682 Токены рассуждений 17,969 Время ответа (среднее) 10.33s Время ответа (суммарно) 175.58s Время ответа (макс.) 30.53s Неверный ответ: 4 Не соблюдены инструкции: 2 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 7.3 Программирование : 1.0 Комбинированный : 2.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 7.0 Следование инструкциям : 9.9 Решение головоломок : 6.1 Вызов инструментов : 10.0 Эрудиция : 0.0
#411#411	Grok 4.20 Betadefault	3.6	X AI	$0.087 ↓	1.19s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 29.0% Нестабильные тесты 1 Входные токены 40,597 Выходные токены 1,657 Токены рассуждений 0 Время ответа (среднее) 1.19s Время ответа (суммарно) 21.43s Время ответа (макс.) 6.48s Неверный ответ: 10 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.0 Программирование : 1.8 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 0.0
#413#413	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 16 Надежность Н/Д Доля успешных попыток 24.6% Нестабильные тесты 1 Входные токены 33,743 Выходные токены 2,573 Токены рассуждений 0 Время ответа (среднее) 1.22s Время ответа (суммарно) 22.03s Время ответа (макс.) 3.81s Неверный ответ: 9 Ошибка API: 3 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 6.6 Программирование : 4.2 Комбинированный : 1.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 4.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#414#414	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
#415#415	Hunter Alphadefault	3.5	OpenRouter	$0.000	4.70s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 36.2% Нестабильные тесты 4 Входные токены 34,329 Выходные токены 2,264 Токены рассуждений 0 Время ответа (среднее) 4.70s Время ответа (суммарно) 79.86s Время ответа (макс.) 15.17s Неверный ответ: 9 Не соблюдены инструкции: 2 Ошибка API: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 3.5 Программирование : 1.0 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 6.4 Решение головоломок : 5.8 Вызов инструментов : 10.0 Эрудиция : 0.0
#416#416	Grok 4.20none	3.4	X AI	$0.057 ↓	1.11s
Открыть карточку модели Всего тестов 18 Ошибочных тестов 12 Надежность Н/Д Доля успешных попыток 26.1% Нестабильные тесты 0 Входные токены 41,313 Выходные токены 1,923 Токены рассуждений 0 Время ответа (среднее) 1.11s Время ответа (суммарно) 19.96s Время ответа (макс.) 6.04s Неверный ответ: 10 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 4.8 Программирование : 1.1 Комбинированный : 1.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 5.3 Вызов инструментов : 10.0 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