নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Opus 4.8 vs Google: Gemini 3.1 Flash Lite Preview

average score প্রায় সমান: 7.3 vs 7.3. Gemini 3.1 Flash Lite Preview (medium)-এর benchmark খরচ কম: $0.115 vs $1.166. Gemini 3.1 Flash Lite Preview (medium) দ্রুত: 4.61s vs 4.91s, pass rates 63.6% vs 59.1%.

প্রস্তাবিত মডেলGemini 3.1 Flash Lite Preview (medium)It has the best score here (7.3), while costing about 10.2x less than Claude Opus 4.8.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-17

মেট্রিক Claude Opus 4.8 Claude Opus 4.8 none প্রকাশ: 2026-05-28 Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium প্রকাশ: 2026-03-03
স্কোর 7.3 7.3
র‍্যাঙ্ক #63 #61
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.2 9.9
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 63.6% 59.1%
অস্থির টেস্ট 2 0
মোট রান 66 66
প্রতি ফলাফলে খরচ 8.969 0.884
মোট খরচ $1.166 $0.115
ইনপুট মূল্য $5.000 / 1M $0.250 / 1M
আউটপুট মূল্য $25.000 / 1M $1.500 / 1M
মোট ইনপুট টোকেন 149,206 117,480
আউটপুট টোকেন 16,797 10,589
রিজনিং টোকেন 0 46,394
প্রতিক্রিয়া সময় (গড়) 4.91s 4.61s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 35.03s 18.34s
প্রতিক্রিয়া সময় (মোট) 108.03s 101.39s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#63 Claude Opus 4.8

none
খরচ
$0.053
সময়
22.0s
টোকেন
2,253 tok

#61 Gemini 3.1 Flash Lite Preview

medium
খরচ
$0.003
সময়
5.2s
টোকেন
1,944 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Gemini 3.1 Flash Lite Preview 5.5 10.0 33.3% 0 4.09s 8,126 461 8,597

দ্রুত তুলনা

তুলনার জুটি বদলান