Verglichene Modelle

Benchmark-Vergleich Claude Opus 4.6 (medium) vs Claude Sonnet 4.6 (medium) vs GPT-5.3-Codex (medium) vs Gemini 3.1 Pro Preview (medium): Gemini 3.1 Pro Preview (medium) führt bei Punktzahl mit 9.2. Claude Opus 4.6 (medium) führt bei Zuverlässigkeit mit 10.0. GPT-5.3-Codex (medium) hat den niedrigsten Gesamtkosten mit $0.920. GPT-5.3-Codex (medium) ist mit 16.96s am schnellsten.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-08-07

Rang: #60
Gesamte Ausgabe-Token: 100,601
Antwortzeit (Durchschnitt): 34.27s
Gesamtkosten: $3.059

Rang: #56
Gesamte Ausgabe-Token: 115,865
Antwortzeit (Durchschnitt): 25.91s
Gesamtkosten: $2.057

Rang: #18
Gesamte Ausgabe-Token: 55,525
Antwortzeit (Durchschnitt): 16.96s
Gesamtkosten: $0.920

Rang: #9
Gesamte Ausgabe-Token: 97,958
Antwortzeit (Durchschnitt): 21.47s
Gesamtkosten: $1.361

Empfohlenes Modell GPT-5.3-Codex (medium)

Die Punktzahl bleibt nah an der besten hier (8.9 vs 9.2) und es kostet etwa 2.3x weniger als die anderen Modelle in diesem Vergleich.

Detaillierter Vergleich

Metrik	Claude Opus 4.6 Claude Opus 4.6 medium Veröffentlichung: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Veröffentlichung: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium Veröffentlichung: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Veröffentlichung: 2026-02-19

Metrik	Claude Opus 4.6 Claude Opus 4.6 medium Veröffentlichung: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Veröffentlichung: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium Veröffentlichung: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Veröffentlichung: 2026-02-19
Punktzahl	7.7	7.8	8.9	9.2
Rang	#60	#56	#18	#9
Zuverlässigkeit	10.0	10.0	10.0	10.0
Konsistenz	8.8	9.2	8.6	10.0
Benchmark-Abdeckung	22/22 Tests · 66/66 Versuche	22/22 Tests · 66/66 Versuche	22/22 Tests · 66/66 Versuche	22/22 Tests · 66/66 Versuche
Korrekte Tests
Erfolgsquote pro Versuch	63.6%	66.7%	83.3%	90.9%
Instabile Tests	3	2	4	0
Gesamtläufe	66	66	66	66
Kosten pro Ergebnis	23.524	14.692	5.748	6.801
Gesamtkosten	$3.059	$2.057	$0.920	$1.361
Eingabepreis	$5.000 / 1M	$3.000 / 1M	$1.750 / 1M	$2.000 / 1M
Ausgabepreis	$25.000 / 1M	$15.000 / 1M	$14.000 / 1M	$12.000 / 1M
Gesamte Eingabe-Token	108,615	106,292	81,268	92,287
Ausgabe-Token	72,286	80,748	6,251	5,232
Denk-Token	28,315	35,117	49,274	92,726
Antwortzeit (Durchschnitt)	34.27s	25.91s	16.96s	21.47s
Antwortzeit (Maximum)	151.51s	140.96s	100.93s	88.68s
Antwortzeit (Gesamt)	513.99s	362.78s	373.19s	322.08s

Modell-Generierungs-Showcase

Hamster playing table tennis

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

#60 Claude Opus 4.6

medium

Ungültiges SVG

Kosten: $0.000
Zeit: 300.0s
Token: 0 tok

#56 Claude Sonnet 4.6

medium

Ungültiges SVG

Kosten: $0.000
Zeit: 300.0s
Token: 0 tok

#18 GPT-5.3-Codex

medium

Kosten: $0.049
Zeit: 54.9s
Token: 3,580 tok

#9 Gemini 3.1 Pro Preview

medium

Kosten: $0.115
Zeit: 87.2s
Token: 9,629 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Kategorie:

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	6.4	5.8	66.7%	2	7.45s	840	986	1,071
Claude Sonnet 4.6	6.5	10.0	50.0%	0	2.98s	789	1,046	1,093
GPT-5.3-Codex	8.7	7.9	91.7%	1	4.16s	606	240	1,722
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	7.90s	498	112	3,218

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	5.7	7.1	44.4%	1	30.10s	8,522	13,057	4,121
Claude Sonnet 4.6	5.7	6.6	44.4%	1	33.29s	6,995	16,089	3,686
GPT-5.3-Codex	10.0	10.0	100.0%	0	19.50s	7,302	535	10,890
Gemini 3.1 Pro Preview	7.9	9.9	66.7%	0	40.17s	8,124	435	41,247

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	10.0	10.0	100.0%	114.08s	76,073	33,018	9,509
Claude Sonnet 4.6	10.0	10.0	100.0%	93.65s	75,531	31,916	9,109
GPT-5.3-Codex	10.0	10.0	100.0%	26.04s	57,988	4,258	5,816
Gemini 3.1 Pro Preview	9.8	10.0	100.0%	40.39s	67,910	3,687	23,111

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	10.0	10.0	100.0%	7.37s	8,676	691	757
Claude Sonnet 4.6	10.0	10.0	100.0%	13.90s	8,676	649	742
GPT-5.3-Codex	10.0	10.0	100.0%	3.07s	7,140	234	728
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.72s	7,265	279	3,904

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	3.0	10.0	0.0%	0	83.40s	674	14,642	8,687
Claude Sonnet 4.6	2.9	7.2	11.1%	1	0ms	471	25,790	16,919
GPT-5.3-Codex	5.9	7.2	55.6%	1	64.31s	813	64	25,308
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	32.73s	635	18	12,424

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	10.0	10.0	100.0%	5.04s	564	188	292
Claude Sonnet 4.6	10.0	10.0	100.0%	4.94s	564	256	433
GPT-5.3-Codex	4.6	10.0	0.0%	4.87s	477	187	331
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	11.77s	490	108	1,179

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	10.0	10.0	100.0%	2.43s	792	266	467
Claude Sonnet 4.6	10.0	10.0	100.0%	2.61s	792	318	552
GPT-5.3-Codex	10.0	10.0	100.0%	3.04s	660	93	693
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	9.56s	621	72	2,236

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	7.7	10.0	66.7%	0	4.71s	816	532	630
Claude Sonnet 4.6	10.0	10.0	100.0%	0	5.31s	816	592	646
GPT-5.3-Codex	9.0	7.9	88.9%	1	5.05s	642	356	1,593
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.90s	570	235	3,128

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	10.0	10.0	100.0%	9.73s	11,454	861	329
Claude Sonnet 4.6	10.0	10.0	100.0%	7.48s	11,454	655	351
GPT-5.3-Codex	10.0	10.0	100.0%	6.37s	5,445	254	492
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	23.15s	6,018	274	982

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 4.6	3.0	10.0	0.0%	0	63.24s	204	8,045	2,452
Claude Sonnet 4.6	3.0	10.0	0.0%	0	30.09s	204	3,437	1,586
GPT-5.3-Codex	2.8	1.6	33.3%	1	14.43s	195	30	1,701
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.27s	156	12	1,297

Schnellvergleich

Vergleichspaar wechseln

GPT-5.3-CodexmediumvsGrok 4.5high Claude Opus 5highvsGemini 3.1 Pro Previewmedium Claude Opus 4.6mediumvsGPT-5.6 Lunahigh Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Claude Opus 4.6mediumvsDeepSeek V4 Flashhigh Claude Sonnet 4.6mediumvsQwen3.7 Flashhigh Claude Opus 4.6mediumvsDeepSeek V4 Prohigh Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Claude Opus 4.6mediumvsQwen3.7 Flashhigh Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh Claude Sonnet 4.6mediumvsGPT-5.6 Terrahigh