AI BENCHY Compare
তুলনা করা মডেল
তুলনা করুন:
AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-03-03
| মেট্রিক | OpenAI: GPT-5.2 Chat none প্রকাশ: 2025-12-11 | OpenAI: GPT-5.3 Chat none প্রকাশ: 2026-03-03 | Google: Gemini 3.1 Flash Lite Preview low প্রকাশ: 2026-03-03 |
|---|---|---|---|
| র্যাঙ্ক | #12 | #14 | #8 |
| গড় স্কোর | 7.41 | 7.27 | 7.84 |
| ধারাবাহিকতা | 9.45 | 8.26 | 10.00 |
| প্রতি ফলাফলে খরচ | 2.261 | 2.835 | 0.151 |
| মোট খরচ | $0.227 | $0.256 | $0.016 |
| সঠিক টেস্ট | |||
| প্রতি চেষ্টায় পাস রেট | 73.8% | 73.8% | 71.4% |
| অস্থির টেস্ট | 1 | 3 | 0 |
| আউটপুট টোকেন | 14,267 | 16,339 | 1,317 |
| রিজনিং টোকেন | 0 | 0 | 6,126 |
স্কোর বনাম মোট খরচ
বিভাগভিত্তিক বিশ্লেষণ
| অ্যান্টি-এআই কৌশল | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,651 | 0 | |
| OpenAI: GPT-5.3 Chat | 7.33 | 7.49 | 77.8% | 1 | 3,091 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 7.00 | 10.00 | 66.7% | 0 | 456 | 1,224 |
| ডেটা পার্সিং ও নিষ্কাশন | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 9.88 | 10.00 | 100.0% | 0 | 980 | 0 | |
| OpenAI: GPT-5.3 Chat | 9.88 | 10.00 | 100.0% | 0 | 942 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 9.88 | 10.00 | 100.0% | 0 | 291 | 696 |
| ডোমেইন-নির্দিষ্ট | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 4.00 | 10.00 | 33.3% | 0 | 7,810 | 0 | |
| OpenAI: GPT-5.3 Chat | 1.00 | 4.41 | 33.3% | 2 | 8,264 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 4.00 | 10.00 | 33.3% | 0 | 18 | 1,212 |
| নির্দেশনা অনুসরণ | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 5.50 | 6.13 | 66.7% | 1 | 1,528 | 0 | |
| OpenAI: GPT-5.3 Chat | 8.50 | 9.99 | 50.0% | 0 | 1,455 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 8.50 | 10.00 | 50.0% | 0 | 72 | 753 |
| Puzzle Solving | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 7.00 | 10.00 | 66.7% | 0 | 1,743 | 0 | |
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,726 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 10.00 | 10.00 | 100.0% | 0 | 243 | 1,248 |
| টুল কলিং | স্কোর | ধারাবাহিকতা | প্রতি চেষ্টায় পাস রেট | অস্থির টেস্ট | সঠিক টেস্ট | আউটপুট টোকেন | রিজনিং টোকেন |
|---|---|---|---|---|---|---|---|
| OpenAI: GPT-5.2 Chat | 10.00 | 10.00 | 100.0% | 0 | 555 | 0 | |
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 861 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 10.00 | 10.00 | 100.0% | 0 | 237 | 993 |
দ্রুত তুলনা
তুলনার জুটি বদলান
GPT-5.3 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumGPT-5.2 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.5 Flashmediumবিনামূল্যে উপলভ্যDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewhighvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite Previewlow