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: 2026-10-02 Оценено моделей: 387

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

387/387

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#101#101	Gemini 3.5 Flashmedium	7.9	Google	$1.316	11.78s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 81.2% Нестабильные тесты 2 Входные токены 296,760 Выходные токены 4,371 Токены рассуждений 92,284 Время ответа (среднее) 11.78s Время ответа (суммарно) 271.03s Время ответа (макс.) 84.47s Неверный ответ: 3 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 2.8 Анти-ИИ уловки : 10.0 Программирование : 7.9 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 10.0
#102#102	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 9.6 Доля успешных попыток 75.4% Нестабильные тесты 4 Входные токены 295,642 Выходные токены 115,041 Токены рассуждений 353,398 Время ответа (среднее) 120.88s Время ответа (суммарно) 2780.16s Время ответа (макс.) 532.28s Неверный ответ: 4 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 5.9 Комбинированный : 6.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 4.1 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#103#103	MiMo-V2.6-Flashmedium	7.9	Xiaomi	$0.218	61.90s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 6 Входные токены 291,988 Выходные токены 8,848 Токены рассуждений 622,995 Время ответа (среднее) 61.90s Время ответа (суммарно) 1423.67s Время ответа (макс.) 357.28s Неверный ответ: 6 Нет ответа: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 5.9 Программирование : 7.2 Комбинированный : 7.1 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 9.9 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#104#104	Grok 4.5medium	7.8	X AI	$2.996 ↑	68.44s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 79.7% Нестабильные тесты 3 Входные токены 308,369 Выходные токены 7,013 Токены рассуждений 299,031 Время ответа (среднее) 68.44s Время ответа (суммарно) 1574.14s Время ответа (макс.) 436.38s Неверный ответ: 6 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 7.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#105#105	GLM 5.3high	7.8	Z.ai	$0.610	28.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 75.4% Нестабильные тесты 7 Входные токены 219,811 Выходные токены 8,811 Токены рассуждений 59,671 Время ответа (среднее) 28.38s Время ответа (суммарно) 652.78s Время ответа (макс.) 159.91s Неверный ответ: 6 Лишнее форматирование: 2 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.6 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#106#106	Step 3.7 Flashmedium	7.8	Stepfun	$0.571	26.57s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 4 Входные токены 319,524 Выходные токены 440,835 Токены рассуждений 0 Время ответа (среднее) 26.57s Время ответа (суммарно) 611.09s Время ответа (макс.) 152.83s Неверный ответ: 6 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Нет ответа: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.0 Следование инструкциям : 9.8 Решение головоломок : 5.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#107#107	Grok 4.6medium	7.8	X AI	$2.270	74.77s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 78.3% Нестабильные тесты 4 Входные токены 336,351 Выходные токены 6,180 Токены рассуждений 260,017 Время ответа (среднее) 74.77s Время ответа (суммарно) 1719.73s Время ответа (макс.) 514.35s Неверный ответ: 6 Не соблюдены инструкции: 1 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#108#108	Qwen3.7 Plusnone	7.8	Qwen	$0.178 ↓	17.80s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 56.5% Нестабильные тесты 0 Входные токены 250,495 Выходные токены 76,261 Токены рассуждений 0 Время ответа (среднее) 17.80s Время ответа (суммарно) 409.51s Время ответа (макс.) 206.03s Неверный ответ: 9 Не соблюдены инструкции: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.5 Программирование : 5.5 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 6.3 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#109#109	Grok 4.5low	7.8	X AI	$1.345	18.14s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 73.9% Нестабильные тесты 2 Входные токены 308,068 Выходные токены 9,218 Токены рассуждений 112,197 Время ответа (среднее) 18.14s Время ответа (суммарно) 417.21s Время ответа (макс.) 205.28s Неверный ответ: 7 Агентные задачи : 5.0 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#110#110	DeepSeek V4 Flash 0731medium	7.8	DeepSeek	$0.464 ↑	94.16s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 72.5% Нестабильные тесты 8 Входные токены 274,189 Выходные токены 66,689 Токены рассуждений 510,525 Время ответа (среднее) 94.16s Время ответа (суммарно) 2165.72s Время ответа (макс.) 303.26s Неверный ответ: 5 Нет ответа: 3 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.2 Программирование : 6.4 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 8.5 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#111#111	GPT-6 Lunahigh	7.7	OpenAI	$0.074	20.37s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 73.9% Нестабильные тесты 4 Входные токены 229,986 Выходные токены 6,037 Токены рассуждений 95,550 Время ответа (среднее) 20.37s Время ответа (суммарно) 468.52s Время ответа (макс.) 106.93s Неверный ответ: 6 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 5.2 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 5.1 Следование инструкциям : 8.4 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#112#112	Muse Glimmer 30Bhigh	7.7	Meta	$0.625	69.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 12 Надежность 10.0 Доля успешных попыток 66.7% Нестабильные тесты 8 Входные токены 281,859 Выходные токены 102,526 Токены рассуждений 286,217 Время ответа (среднее) 69.87s Время ответа (суммарно) 1607.12s Время ответа (макс.) 451.90s Неверный ответ: 7 Не соблюдены инструкции: 3 Нет ответа: 2 Агентные задачи : 10.0 Анти-ИИ уловки : 8.7 Программирование : 8.8 Комбинированный : 6.4 Парсинг и извлечение данных : 7.3 Предметно-ориентированное : 2.9 Общий интеллект : 5.3 Следование инструкциям : 8.4 Решение головоломок : 6.1 Вызов инструментов : 10.0 Эрудиция : 3.0
#113#113	Qwen3.5 Plus 2026-04-20medium	7.7	Qwen	$0.435 ↓	54.06s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 9 Надежность 9.7 Доля успешных попыток 65.2% Нестабильные тесты 2 Входные токены 176,539 Выходные токены 4,419 Токены рассуждений 195,929 Время ответа (среднее) 54.06s Время ответа (суммарно) 1189.36s Время ответа (макс.) 203.01s Неверный ответ: 8 Тайм-аут: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.2 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.9 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#114#114	Qwen3.7 Flashlow	7.7	Qwen	$0.071 ↑	41.03s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 6 Входные токены 318,058 Выходные токены 16,035 Токены рассуждений 315,072 Время ответа (среднее) 41.03s Время ответа (суммарно) 943.75s Время ответа (макс.) 394.54s Неверный ответ: 7 Не соблюдены инструкции: 3 Ошибка API: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 6.7 Комбинированный : 6.4 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 4.0 Следование инструкциям : 8.5 Решение головоломок : 7.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#115#115	Muse Glimmer 30Bmedium	7.7	Meta	$0.353	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
#116#116	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
#117#117	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 1 Входные токены 315,290 Выходные токены 1,607 Токены рассуждений 207,536 Время ответа (среднее) 46.60s Время ответа (суммарно) 1071.83s Время ответа (макс.) 376.04s Неверный ответ: 5 Нет ответа: 2 Не соблюдены инструкции: 1 Агентные задачи : 6.1 Анти-ИИ уловки : 10.0 Программирование : 7.7 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 3.0 Эрудиция : 3.0
#118#118	Space Bunny Alphahigh	7.5	Stealth	$0.000	29.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 63.8% Нестабильные тесты 4 Входные токены 302,228 Выходные токены 181,271 Токены рассуждений 0 Время ответа (среднее) 29.38s Время ответа (суммарно) 675.79s Время ответа (макс.) 234.56s Неверный ответ: 10 Агентные задачи : 10.0 Анти-ИИ уловки : 6.4 Программирование : 6.2 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 4.2 Следование инструкциям : 6.2 Решение головоломок : 8.3 Вызов инструментов : 10.0 Эрудиция : 3.0
#119#119	GLM 5.1medium	7.5	Z.ai	$1.840 ↑	66.38s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 9.2 Доля успешных попыток 66.7% Нестабильные тесты 4 Входные токены 331,577 Выходные токены 17,919 Токены рассуждений 230,789 Время ответа (среднее) 66.38s Время ответа (суммарно) 1460.31s Время ответа (макс.) 308.75s Неверный ответ: 5 Тайм-аут: 2 Ошибка API: 1 Лишнее форматирование: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 4.6 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 10.0 Следование инструкциям : 6.4 Решение головоломок : 8.2 Вызов инструментов : 3.0 Эрудиция : 3.0
#120#120	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.4 Доля успешных попыток 59.4% Нестабильные тесты 3 Входные токены 313,368 Выходные токены 12,289 Токены рассуждений 259,270 Время ответа (среднее) 91.67s Время ответа (суммарно) 1833.43s Время ответа (макс.) 301.78s Неверный ответ: 5 Тайм-аут: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 6.6 Программирование : 5.5 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.0 Общий интеллект : 5.1 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#121#121	Seed-2.0-Codehigh	7.5	Bytedance Seed	$1.448	124.87s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 11 Надежность 9.0 Доля успешных попыток 65.2% Нестабильные тесты 5 Входные токены 297,321 Выходные токены 8,997 Токены рассуждений 423,853 Время ответа (среднее) 124.87s Время ответа (суммарно) 2871.96s Время ответа (макс.) 675.30s Неверный ответ: 6 Ошибка API: 3 Не соблюдены инструкции: 1 Нет ответа: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 8.3 Программирование : 6.2 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 4.6 Следование инструкциям : 9.8 Решение головоломок : 7.8 Вызов инструментов : 4.7 Эрудиция : 3.0
#122#122	GPT-5.6 Lunamedium	7.4	OpenAI	$0.065 ↓	9.64s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 62.3% Нестабильные тесты 3 Входные токены 212,780 Выходные токены 6,849 Токены рассуждений 41,137 Время ответа (среднее) 9.64s Время ответа (суммарно) 221.62s Время ответа (макс.) 58.09s Неверный ответ: 9 Недопустимый вызов инструмента: 1 Агентные задачи : 7.4 Анти-ИИ уловки : 8.3 Программирование : 5.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 5.1 Следование инструкциям : 9.9 Решение головоломок : 7.8 Вызов инструментов : 10.0 Эрудиция : 3.0
#123#123	Qwen3.6 Flashmedium	7.4	Qwen	$0.783 ↓	45.45s
Открыть карточку модели Всего тестов 23 Ошибочных тестов 10 Надежность 10.0 Доля успешных попыток 68.1% Нестабильные тесты 5 Входные токены 258,760 Выходные токены 22,221 Токены рассуждений 630,059 Время ответа (среднее) 45.45s Время ответа (суммарно) 1045.45s Время ответа (макс.) 578.13s Неверный ответ: 8 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Агентные задачи : 10.0 Анти-ИИ уловки : 10.0 Программирование : 5.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 4.8 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#124#124	DeepSeek V4 Flash 0731low	7.4	DeepSeek	$0.309 ↑	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
#125#125	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

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