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)
#289#289	DeepSeek V4.1 Flashnone	5.8	DeepSeek	$0.391 ↑	16.63s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 9.7 Доля успешных попыток 36.2% Нестабильные тесты 3 Входные токены 337,756 Выходные токены 292,779 Токены рассуждений 0 Время ответа (среднее) 16.63s Время ответа (суммарно) 382.53s Время ответа (макс.) 247.66s Неверный ответ: 11 Не соблюдены инструкции: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 3.7 Программирование : 5.5 Комбинированный : 3.0 Парсинг и извлечение данных : 6.5 Предметно-ориентированное : 7.7 Общий интеллект : 5.5 Следование инструкциям : 6.5 Решение головоломок : 5.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#350#350	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
#288#288	GPT-5.6 Terranone	5.8	OpenAI	$0.377 ↓	4.11s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 15 Надежность 10.0 Доля успешных попыток 40.6% Нестабильные тесты 3 Входные токены 213,564 Выходные токены 7,381 Токены рассуждений 0 Время ответа (среднее) 4.11s Время ответа (суммарно) 94.52s Время ответа (макс.) 57.98s Неверный ответ: 12 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 4.8 Программирование : 5.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 8.5 Решение головоломок : 5.3 Вызов инструментов : 9.6 Эрудиция : 3.0
#51#51	Gemini 3.6 Flashlow	9.0	Google	$0.363 ↓	6.82s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.9% Нестабильные тесты 3 Входные токены 197,570 Выходные токены 6,364 Токены рассуждений 50,704 Время ответа (среднее) 6.82s Время ответа (суммарно) 156.81s Время ответа (макс.) 48.53s Неверный ответ: 4 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 7.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#81#81	Nemotron 3.5 Super VLhigh	8.4	NVIDIA	$0.349	49.88s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.9 Доля успешных попыток 82.6% Нестабильные тесты 6 Входные токены 296,001 Выходные токены 8,105 Токены рассуждений 600,178 Время ответа (среднее) 49.88s Время ответа (суммарно) 1147.24s Время ответа (макс.) 310.51s Неверный ответ: 3 Не соблюдены инструкции: 2 Нет ответа: 2 Ошибка API: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.5 Следование инструкциям : 8.5 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#332#332	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 9 Надежность 9.6 Доля успешных попыток 66.7% Нестабильные тесты 5 Входные токены 40,961 Выходные токены 2,518 Токены рассуждений 81,801 Время ответа (среднее) 22.16s Время ответа (суммарно) 443.22s Время ответа (макс.) 136.29s Неверный ответ: 5 Ошибка API: 1 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Тайм-аут: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 10.0 Программирование : 6.0 Комбинированный : 2.3 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 6.4 Вызов инструментов : 10.0 Эрудиция : 3.0
#241#241	MiMo-V2.5-Promedium	6.4	Xiaomi	$0.332 ↓	56.72s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 7 Входные токены 253,462 Выходные токены 40,269 Токены рассуждений 185,716 Время ответа (среднее) 56.72s Время ответа (суммарно) 1304.54s Время ответа (макс.) 333.34s Неверный ответ: 4 Лишнее форматирование: 3 Не соблюдены инструкции: 2 Ошибка API: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 6.9 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 5.5 Следование инструкциям : 9.9 Решение головоломок : 6.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#342#342	MiniMax M2.7medium	5.0	Minimax	$0.326 ↑	50.32s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 44.9% Нестабильные тесты 10 Входные токены 277,130 Выходные токены 45,188 Токены рассуждений 129,163 Время ответа (среднее) 50.32s Время ответа (суммарно) 1107.03s Время ответа (макс.) 198.82s Неверный ответ: 6 Не соблюдены инструкции: 5 Недопустимый вызов инструмента: 2 Нет ответа: 2 Тайм-аут: 2 Ошибка API: 1 Агентные задачи : 4.7 Анти-ИИ уловки : 7.9 Программирование : 5.7 Комбинированный : 3.8 Парсинг и извлечение данных : 6.3 Предметно-ориентированное : 3.0 Общий интеллект : 3.9 Следование инструкциям : 3.8 Решение головоломок : 5.9 Вызов инструментов : 4.7 Эрудиция : 3.0
#261#261	GLM 5 Turbomedium	6.2	Z.ai	$0.323 ↑	23.00s
Открыть карточку модели Всего тестов 21 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 4 Входные токены 35,593 Выходные токены 12,245 Токены рассуждений 62,277 Время ответа (среднее) 23.00s Время ответа (суммарно) 482.97s Время ответа (макс.) 194.23s Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 0.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 5.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#168#168	Gemini 3.8 Flashlow	7.2	Google	$0.323	7.54s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 9.9 Доля успешных попыток 81.2% Нестабильные тесты 5 Входные токены 215,836 Выходные токены 9,452 Токены рассуждений 33,289 Время ответа (среднее) 7.54s Время ответа (суммарно) 173.36s Время ответа (макс.) 67.18s Неверный ответ: 6 Нет ответа: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 5.4 Комбинированный : 3.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.8 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#83#83	GPT-5 Minimedium	8.4	OpenAI	$0.315 ↑	29.42s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 4 Входные токены 214,645 Выходные токены 15,532 Токены рассуждений 103,679 Время ответа (среднее) 29.42s Время ответа (суммарно) 676.56s Время ответа (макс.) 111.48s Неверный ответ: 5 Не соблюдены инструкции: 3 Нет ответа: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 7.1 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.5 Следование инструкциям : 10.0 Решение головоломок : 5.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#232#232	Qwen3.5-122B-A10Bnone	6.4	Qwen	$0.308 ↓	14.79s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 36.2% Нестабильные тесты 2 Входные токены 405,921 Выходные токены 97,112 Токены рассуждений 0 Время ответа (среднее) 14.79s Время ответа (суммарно) 340.25s Время ответа (макс.) 212.63s Неверный ответ: 13 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 4.8 Программирование : 3.7 Комбинированный : 5.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 3.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#150#150	DeepSeek V4 Flash 0731low	7.4	DeepSeek	$0.306 ↑	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
#66#66	Qwen3.8 27Bhigh	8.7	Qwen	~$0.298	166.34s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 9.7 Доля успешных попыток 78.3% Нестабильные тесты 2 Входные токены 348,967 Выходные токены 1,005 Токены рассуждений 676,075 Время ответа (среднее) 166.34s Время ответа (суммарно) 3825.81s Время ответа (макс.) 640.85s Не соблюдены инструкции: 2 Нет ответа: 2 Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.1 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 3.0
#198#198	Inklinglow	6.8	Thinkingmachines	$0.293 ↓	6.81s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 56.5% Нестабильные тесты 4 Входные токены 213,901 Выходные токены 9,623 Токены рассуждений 12,414 Время ответа (среднее) 6.81s Время ответа (суммарно) 156.70s Время ответа (макс.) 44.24s Неверный ответ: 8 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 5.1 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 6.4 Вызов инструментов : 3.0 Эрудиция : 3.0
#269#269	Inklingnone	6.1	Thinkingmachines	$0.292 ↓	5.30s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 16 Надежность 10.0 Доля успешных попыток 31.9% Нестабильные тесты 1 Входные токены 236,599 Выходные токены 11,561 Токены рассуждений 4,975 Время ответа (среднее) 5.30s Время ответа (суммарно) 121.91s Время ответа (макс.) 48.02s Неверный ответ: 13 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 4.8 Программирование : 4.5 Комбинированный : 2.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 6.3 Решение головоломок : 5.6 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
#138#138	Muse Glimmer 30Bmedium	7.7	Meta	$0.288 ↓	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
#18#18	Gemini 3.7 Flashmedium	9.5	Google	$0.278	8.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 2 Надежность 10.0 Доля успешных попыток 94.2% Нестабильные тесты 1 Входные токены 202,347 Выходные токены 6,660 Токены рассуждений 68,002 Время ответа (среднее) 8.16s Время ответа (суммарно) 187.58s Время ответа (макс.) 58.39s Неверный ответ: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 8.4 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
#102#102	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 4 Входные токены 229,530 Выходные токены 13,757 Токены рассуждений 92,662 Время ответа (среднее) 48.87s Время ответа (суммарно) 1123.91s Время ответа (макс.) 254.92s Неверный ответ: 6 Не соблюдены инструкции: 2 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 8.0 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 6.7 Следование инструкциям : 10.0 Решение головоломок : 9.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#324#324	Kimi K2.5none	5.3	Moonshot AI	$0.262 ↑	35.86s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 18 Надежность 10.0 Доля успешных попыток 29.0% Нестабильные тесты 4 Входные токены 275,349 Выходные токены 49,377 Токены рассуждений 12 Время ответа (среднее) 35.86s Время ответа (суммарно) 609.61s Время ответа (макс.) 321.19s Неверный ответ: 17 Нет ответа: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 3.6 Программирование : 5.5 Комбинированный : 2.8 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 3.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#106#106	DeepSeek V4 Flash 0423high	8.1	DeepSeek	$0.261 ↑	55.99s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.0% Нестабильные тесты 4 Входные токены 298,794 Выходные токены 45,873 Токены рассуждений 188,721 Время ответа (среднее) 55.99s Время ответа (суммарно) 1287.87s Время ответа (макс.) 218.13s Неверный ответ: 6 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 7.8 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 6.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 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
#188#188	Gemini 3 Flash Previewlow	6.9	Google	$0.254	8.51s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 72.5% Нестабильные тесты 2 Входные токены 251,677 Выходные токены 11,196 Токены рассуждений 31,204 Время ответа (среднее) 8.51s Время ответа (суммарно) 195.76s Время ответа (макс.) 52.64s Неверный ответ: 7 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 5.8 Комбинированный : 3.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#215#215	GLM 5.2none	6.6	Z.ai	$0.250 ↑	11.27s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 3 Входные токены 247,919 Выходные токены 17,685 Токены рассуждений 0 Время ответа (среднее) 11.27s Время ответа (суммарно) 259.32s Время ответа (макс.) 79.65s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 8.3 Программирование : 3.7 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 7.7 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