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)
#114#114	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 76.8% Нестабильные тесты 6 Входные токены 288,919 Выходные токены 17,484 Токены рассуждений 617,804 Время ответа (среднее) 114.73s Время ответа (суммарно) 2638.74s Время ответа (макс.) 1026.43s Неверный ответ: 4 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 6.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#181#181	Qwen3.6 Max Previewmedium	7.0	Qwen	$1.132 ↓	66.52s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 2 Входные токены 79,249 Выходные токены 5,097 Токены рассуждений 165,276 Время ответа (среднее) 66.52s Время ответа (суммарно) 1463.50s Время ответа (макс.) 238.07s Неверный ответ: 4 Тайм-аут: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 7.3 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
#75#75	Qwen3.8 Max (0902)low	8.6	Qwen	$1.131	29.07s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 85.5% Нестабильные тесты 3 Входные токены 298,682 Выходные токены 8,374 Токены рассуждений 80,549 Время ответа (среднее) 29.07s Время ответа (суммарно) 668.66s Время ответа (макс.) 207.79s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#117#117	GPT-5.4 Minimedium	7.9	OpenAI	$1.102 ↑	29.94s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 69.6% Нестабильные тесты 5 Входные токены 238,925 Выходные токены 7,109 Токены рассуждений 177,063 Время ответа (среднее) 29.94s Время ответа (суммарно) 688.57s Время ответа (макс.) 138.75s Неверный ответ: 6 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.6 Программирование : 8.4 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.5 Следование инструкциям : 9.8 Решение головоломок : 7.8 Вызов инструментов : 4.7 Эрудиция : 3.0
#222#222	Claude Sonnet 5.5medium	6.5	Anthropic	$1.100	8.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 14 Надежность 10.0 Доля успешных попыток 40.6% Нестабильные тесты 1 Входные токены 361,183 Выходные токены 26,609 Токены рассуждений 11,139 Время ответа (среднее) 8.03s Время ответа (суммарно) 184.80s Время ответа (макс.) 51.18s Лишнее форматирование: 8 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Нет ответа: 1 Неверный ответ: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.5 Программирование : 3.4 Комбинированный : 8.5 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#46#46	Qwen3.8 Max (0902)medium	9.0	Qwen	$1.096	30.42s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 84.1% Нестабильные тесты 2 Входные токены 268,540 Выходные токены 7,499 Токены рассуждений 85,499 Время ответа (среднее) 30.42s Время ответа (суммарно) 699.68s Время ответа (макс.) 168.09s Неверный ответ: 5 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#284#284	Claude Sonnet 5none	5.9	Anthropic	$1.095	8.60s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 40.6% Нестабильные тесты 5 Входные токены 393,560 Выходные токены 30,466 Токены рассуждений 311 Время ответа (среднее) 8.60s Время ответа (суммарно) 197.73s Время ответа (макс.) 64.73s Неверный ответ: 9 Лишнее форматирование: 4 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 5.3 Программирование : 4.6 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.7 Следование инструкциям : 6.4 Решение головоломок : 6.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#59#59	Qwen3.8 MAXlow	8.8	Qwen	$1.089 ↑	25.09s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 3 Входные токены 262,495 Выходные токены 7,787 Токены рассуждений 86,149 Время ответа (среднее) 25.09s Время ответа (суммарно) 577.14s Время ответа (макс.) 155.75s Неверный ответ: 5 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#174#174	Qwen3.6 27Bmedium	7.2	Qwen	$1.021 ↑	107.79s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 7 Входные токены 264,147 Выходные токены 34,419 Токены рассуждений 253,480 Время ответа (среднее) 107.79s Время ответа (суммарно) 2479.26s Время ответа (макс.) 1085.11s Неверный ответ: 5 Нет ответа: 3 Недопустимый вызов инструмента: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 7.7 Комбинированный : 6.7 Парсинг и извлечение данных : 3.5 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#100#100	GLM 5.2medium	8.2	Z.ai	$1.007 ↑	26.88s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 9.6 Доля успешных попыток 81.2% Нестабильные тесты 4 Входные токены 227,164 Выходные токены 20,029 Токены рассуждений 60,991 Время ответа (среднее) 26.88s Время ответа (суммарно) 591.34s Время ответа (макс.) 102.40s Неверный ответ: 3 Нет ответа: 2 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#4#4	GPT-6.1 Solmax	9.9	OpenAI	$1.006	61.98s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 9.7 Доля успешных попыток 95.7% Нестабильные тесты 0 Входные токены 183,607 Выходные токены 5,741 Токены рассуждений 58,082 Время ответа (среднее) 61.98s Время ответа (суммарно) 1425.65s Время ответа (макс.) 960.01s Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#230#230	Grok 4.3medium	6.5	X AI	$0.989	44.53s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 5 Входные токены 325,471 Выходные токены 14,867 Токены рассуждений 217,675 Время ответа (среднее) 44.53s Время ответа (суммарно) 1024.25s Время ответа (макс.) 216.69s Неверный ответ: 6 Не соблюдены инструкции: 2 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 5.4 Следование инструкциям : 9.8 Решение головоломок : 5.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#3🥉 #3	GPT-6 Solhigh	9.9	OpenAI	$0.921	23.56s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 95.7% Нестабильные тесты 0 Входные токены 182,698 Выходные токены 5,647 Токены рассуждений 49,872 Время ответа (среднее) 23.56s Время ответа (суммарно) 541.85s Время ответа (макс.) 136.22s Неверный ответ: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#256#256	Trinity Large Thinkinglow	6.3	Arcee AI	$0.918 ↑	95.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 47.8% Нестабильные тесты 6 Входные токены 347,980 Выходные токены 121,898 Токены рассуждений 720,302 Время ответа (среднее) 95.16s Время ответа (суммарно) 2188.74s Время ответа (макс.) 540.96s Неверный ответ: 7 Не соблюдены инструкции: 3 Ошибка API: 2 Недопустимый вызов инструмента: 2 Нет ответа: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 8.3 Программирование : 5.3 Комбинированный : 5.2 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 4.4 Решение головоломок : 6.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#77#77	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 82.6% Нестабильные тесты 5 Входные токены 270,231 Выходные токены 13,363 Токены рассуждений 121,332 Время ответа (среднее) 17.73s Время ответа (суммарно) 407.75s Время ответа (макс.) 78.72s Неверный ответ: 4 Ошибка API: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#194#194	Claude Sonnet 5.5low	6.9	Anthropic	$0.909	7.46s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 10.0 Доля успешных попыток 46.4% Нестабильные тесты 2 Входные токены 291,853 Выходные токены 24,116 Токены рассуждений 8,327 Время ответа (среднее) 7.46s Время ответа (суммарно) 171.47s Время ответа (макс.) 46.61s Лишнее форматирование: 5 Не соблюдены инструкции: 5 Недопустимый вызов инструмента: 1 Нет ответа: 1 Неверный ответ: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.5 Программирование : 3.2 Комбинированный : 7.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 4.8 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 1 Надежность 10.0 Доля успешных попыток 98.6% Нестабильные тесты 1 Входные токены 238,080 Выходные токены 4,211 Токены рассуждений 188,109 Время ответа (среднее) 18.93s Время ответа (суммарно) 435.48s Время ответа (макс.) 104.15s Неверный ответ: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 8.2 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#71#71	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 72.5% Нестабильные тесты 4 Входные токены 291,368 Выходные токены 13,469 Токены рассуждений 108,952 Время ответа (среднее) 13.21s Время ответа (суммарно) 303.92s Время ответа (макс.) 54.15s Неверный ответ: 5 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 7.9 Программирование : 10.0 Комбинированный : 6.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 8.3 Вызов инструментов : 9.8 Эрудиция : 3.0
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 3 Входные токены 254,914 Выходные токены 10,303 Токены рассуждений 121,928 Время ответа (среднее) 11.81s Время ответа (суммарно) 271.60s Время ответа (макс.) 56.77s Неверный ответ: 4 Не соблюдены инструкции: 3 Агентные задачи : 10.0 Анти-ИИ уловки : 9.2 Программирование : 8.4 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#103#103	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 8.9 Доля успешных попыток 78.3% Нестабильные тесты 6 Входные токены 237,604 Выходные токены 9,617 Токены рассуждений 244,190 Время ответа (среднее) 73.02s Время ответа (суммарно) 1679.49s Время ответа (макс.) 485.92s Неверный ответ: 7 Ошибка API: 1 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 7.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#15#15	Gemini 3 Flash Previewmedium	9.6	Google	$0.876	21.57s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 235,726 Выходные токены 6,669 Токены рассуждений 245,867 Время ответа (среднее) 21.57s Время ответа (суммарно) 496.12s Время ответа (макс.) 117.26s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#267#267	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.862	84.01s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 49.3% Нестабильные тесты 7 Входные токены 319,352 Выходные токены 158,447 Токены рассуждений 875,524 Время ответа (среднее) 84.01s Время ответа (суммарно) 1932.24s Время ответа (макс.) 525.14s Неверный ответ: 9 Не соблюдены инструкции: 4 Недопустимый вызов инструмента: 2 Агентные задачи : 6.1 Анти-ИИ уловки : 6.8 Программирование : 7.5 Комбинированный : 2.9 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 4.4 Решение головоломок : 5.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#237#237	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 13 Надежность 9.6 Доля успешных попыток 60.9% Нестабильные тесты 8 Входные токены 292,271 Выходные токены 55,025 Токены рассуждений 186,071 Время ответа (среднее) 125.76s Время ответа (суммарно) 2137.84s Время ответа (макс.) 566.79s Неверный ответ: 5 Тайм-аут: 3 Не соблюдены инструкции: 2 Нет ответа: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 3.9 Анти-ИИ уловки : 7.3 Программирование : 6.1 Комбинированный : 6.7 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#223#223	Qwen3.6 35B A3Bmedium	6.5	Qwen	$0.834 ↑	59.92s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 58.0% Нестабильные тесты 3 Входные токены 282,192 Выходные токены 75,306 Токены рассуждений 700,868 Время ответа (среднее) 59.92s Время ответа (суммарно) 1258.32s Время ответа (макс.) 817.57s Неверный ответ: 6 Ошибка API: 2 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 7.7 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.4 Следование инструкциям : 10.0 Решение головоломок : 8.0 Вызов инструментов : 3.0 Эрудиция : 3.0
#234#234	Beam 1.0 501B A23Bmax	6.4	Reflection	$0.799	11.10s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 56.5% Нестабильные тесты 2 Входные токены 199,105 Выходные токены 4,274 Токены рассуждений 195,495 Время ответа (среднее) 11.10s Время ответа (суммарно) 255.26s Время ответа (макс.) 54.48s Неверный ответ: 6 Ошибка API: 3 Не соблюдены инструкции: 2 Агентные задачи : 3.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.5 Следование инструкциям : 8.4 Решение головоломок : 7.8 Вызов инструментов : 3.0 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