Verglichene Modelle

Benchmark-Vergleich Claude Opus 5 (high) vs GPT-5.6 Sol (high) vs Kimi K3 (max) vs Gemini 3.6 Flash (medium): Gemini 3.6 Flash (medium) führt bei Punktzahl mit 9.8. Claude Opus 5 (high) führt bei Zuverlässigkeit mit 10.0. Gemini 3.6 Flash (medium) hat den niedrigsten Gesamtkosten mit $0.577. GPT-5.6 Sol (high) ist mit 13.59s am schnellsten.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-10-26

Verglichene Modelle

Rang: #30
Gesamte Ausgabe-Token: 105,662
Antwortzeit (Durchschnitt): 25.31s
Gesamtkosten: $4.524

Rang: #24
Gesamte Ausgabe-Token: 32,071
Antwortzeit (Durchschnitt): 13.59s
Gesamtkosten: $1.595

Rang: #102
Gesamte Ausgabe-Token: 233,327
Antwortzeit (Durchschnitt): 139.41s
Gesamtkosten: $3.409

Rang: #10
Gesamte Ausgabe-Token: 116,124
Antwortzeit (Durchschnitt): 14.03s
Gesamtkosten: $0.577

Empfohlenes Modell Gemini 3.6 Flash (medium)

Es hat hier die beste Punktzahl (9.8) und kostet etwa 5.5x weniger als die anderen Modelle in diesem Vergleich.

Detaillierter Vergleich

Metrik	Claude Opus 5 Claude Opus 5 high Veröffentlichung: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Veröffentlichung: 2026-07-09	Kimi K3 Kimi K3 max Veröffentlichung: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Veröffentlichung: 2026-07-21

Metrik	Claude Opus 5 Claude Opus 5 high Veröffentlichung: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Veröffentlichung: 2026-07-09	Kimi K3 Kimi K3 max Veröffentlichung: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Veröffentlichung: 2026-07-21
Punktzahl	9.4	9.5	8.3	9.8
Rang	#30	#24	#102	#10
Zuverlässigkeit	10.0	10.0	9.3	10.0
Konsistenz	10.0	8.9	9.3	9.3
Versuche	69/69	69/69	69/69	69/69
Korrekte Tests
Erfolgsquote pro Versuch	82.6%	89.9%	78.3%	95.7%
Instabile Tests	0	3	2	2
Gesamtläufe	69	69	69	69
Kosten pro Ergebnis	23.809	8.020	23.601	4.619
Gesamtkosten	$4.524	$1.595	$3.409	$0.577
Eingabepreis	$5.000 / 1M	$2.000 / 1M	$0.830 / 1M	$0.750 / 1M
Ausgabepreis	$25.000 / 1M	$10.000 / 1M	$14.000 / 1M	$3.750 / 1M
Preis für Cache-Lesen	$0.500 / 1M	$0.200 / 1M	$0.270 / 1M	$0.075 / 1M
Preis für Cache-Schreiben	$6.250 / 1M	$2.500 / 1M	k. A.	$0.042 / 1M
Gesamte Eingabe-Token	376,421	195,567	170,700	188,003
Ausgabe-Token	67,688	5,841	7,719	2,914
Denk-Token	37,974	26,230	225,608	113,210
Antwortzeit (Durchschnitt)	25.31s	13.59s	139.41s	14.03s
Antwortzeit (Maximum)	159.01s	59.99s	766.58s	77.15s
Antwortzeit (Gesamt)	582.11s	312.61s	2788.26s	322.73s
Parameter	~5T insgesamt (~500B aktiv)	~2T insgesamt (~150B aktiv)	2.8T insgesamt (104B aktiv)	~500B insgesamt (~20B aktiv)
Verfügbarkeit	Geschlossen	Geschlossen	Gewichte verfügbar	Geschlossen

Cache-Preise gelten für Eingabetokens. Lesen nutzt gespeicherte Prompts erneut; Schreiben speichert sie und kann mehr kosten. Für Ausgabetokens gilt der Ausgabepreis.

Modell-Generierungs-Showcase

Hamster playing table tennis

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

#30 Claude Opus 5

high

Kosten: $0.265
Zeit: 144.5s
Token: 10,741 tok

#24 GPT-5.6 Sol

high

Kosten: $0.151
Zeit: 201.9s
Token: 5,100 tok

#102 MoonshotAI: Kimi K3

max

Kosten: $0.281
Zeit: 506.9s
Token: 18,863 tok

#10 Gemini 3.6 Flash

medium

Kosten: $0.095
Zeit: 49.9s
Token: 12,664 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Kategorie:

Agentenaufgaben	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	10.0	10.0	100.0%	86.99s	240,465	3,064	7,015
GPT-5.6 Sol	10.0	10.0	100.0%	59.99s	116,309	986	2,377
Kimi K3	10.0	10.0	100.0%	74.24s	135,740	4,832	4,367
Gemini 3.6 Flash	10.0	10.0	100.0%	61.77s	123,557	940	14,308

Anti-KI-Tricks	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	10.0	10.0	100.0%	0	5.91s	834	2,063	617
GPT-5.6 Sol	8.7	7.9	91.7%	1	3.39s	606	171	644
Kimi K3	10.0	10.0	100.0%	0	10.24s	1,638	496	2,629
Gemini 3.6 Flash	10.0	10.0	100.0%	0	2.54s	508	165	4,173

Programmierung	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	10.0	10.0	100.0%	12.73s	10,590	7,547	1,721
GPT-5.6 Sol	10.0	10.0	100.0%	12.52s	7,302	404	5,656
Kimi K3	10.0	10.0	100.0%	325.79s	8,061	460	84,012
Gemini 3.6 Flash	10.0	10.0	100.0%	14.81s	8,124	444	31,421

Kombiniert	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	10.0	10.0	100.0%	31.11s	98,549	10,546	2,198
GPT-5.6 Sol	10.0	10.0	100.0%	24.99s	56,154	3,298	4,866
Kimi K3	6.5	10.0	50.0%	223.03s	12,792	399	20,460
Gemini 3.6 Flash	10.0	10.0	100.0%	49.01s	40,411	405	13,351

Datenanalyse und -extraktion	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	10.0	10.0	100.0%	0	4.22s	10,503	488	160
GPT-5.6 Sol	10.0	10.0	100.0%	0	1.16s	7,140	222	0
Kimi K3	7.3	5.8	83.3%	1	16.72s	7,839	354	2,606
Gemini 3.6 Flash	10.0	10.0	100.0%	0	4.92s	7,457	279	5,288

Domänenspezifisch	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	3.0	10.0	0.0%	0	104.24s	972	40,623	24,923
GPT-5.6 Sol	5.3	7.2	44.4%	1	37.67s	628	62	10,365
Kimi K3	5.3	7.2	44.4%	1	683.62s	838	57	106,892
Gemini 3.6 Flash	5.8	4.4	66.7%	2	21.99s	648	12	31,866

Allgemeine Intelligenz	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	10.0	10.0	100.0%	3.79s	708	268	0
GPT-5.6 Sol	10.0	10.0	100.0%	4.40s	477	97	238
Kimi K3	10.0	10.0	100.0%	14.91s	732	191	871
Gemini 3.6 Flash	10.0	10.0	100.0%	3.40s	492	109	1,384

Befolgung von Anweisungen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	10.0	10.0	100.0%	4.78s	909	119	361
GPT-5.6 Sol	10.0	10.0	100.0%	2.73s	660	96	331
Kimi K3	10.0	10.0	100.0%	7.66s	1,179	147	1,119
Gemini 3.6 Flash	10.0	10.0	100.0%	3.82s	623	72	3,634

Rätsellösen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	10.0	10.0	100.0%	4.66s	894	908	524
GPT-5.6 Sol	10.0	10.0	100.0%	4.10s	642	211	675
Kimi K3	10.0	10.0	100.0%	7.36s	1,416	495	1,368
Gemini 3.6 Flash	10.0	10.0	100.0%	3.43s	568	249	3,656

Werkzeugaufrufe	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	10.0	10.0	100.0%	8.44s	11,739	354	0
GPT-5.6 Sol	10.0	10.0	100.0%	7.08s	5,454	264	393
Kimi K3	3.0	10.0	0.0%	0ms	0	0	0
Gemini 3.6 Flash	10.0	10.0	100.0%	5.78s	5,457	229	1,372

Allgemeinwissen	Punktzahl	Konsistenz	Erfolgsquote pro Versuch	Instabile Tests	Antwortzeit (Durchschnitt)	Eingabe-Token	Ausgabe-Token	Denk-Token
Claude Opus 5	3.0	10.0	0.0%	0	14.14s	258	1,708	455
GPT-5.6 Sol	4.7	1.6	66.7%	1	6.97s	195	30	685
Kimi K3	3.0	10.0	0.0%	0	19.67s	465	288	1,284
Gemini 3.6 Flash	10.0	10.0	100.0%	0	5.48s	158	10	2,757

Vergleichspaar wechseln

Claude Opus 5highvsGemini 3.7 Flashlow Gemini 3.5 FlashhighvsKimi K3max Claude Haiku 5.5highvsKimi K3max Claude Opus 5highvsGPT-6.1 Terraxhigh Kimi K3maxvsGPT-5.6 Terrahigh Kimi K3maxvsGPT-6 Lunamedium Claude Opus 4.8mediumvsKimi K3max Gemini 3.7 FlashmediumvsGPT-5.6 Solhigh Ling 3.1 FlashmediumvsKimi K3max Kimi K3maxvsQwen3.7 Plusmedium Claude Opus 5highvsGPT-6.1 Terralow Claude Opus 5.5lowvsGPT-5.6 Solhigh

Verglichene Modelle