Navigation
AI BENCHY
Advertise here

AI BENCHY Compare

Verglichene Modelle

Zusammenfassung

Benchmark-Vergleich Claude Sonnet 4.6 vs Claude Sonnet 5 vs Claude Opus 4.8 vs GLM 5.2Claude Opus 4.8 führt bei Punktzahl mit 8.8. Claude Sonnet 4.6 führt bei Zuverlässigkeit mit 10.0. GLM 5.2 hat den niedrigsten Gesamtkosten mit $0.220. Claude Opus 4.8 ist mit 9.72s am schnellsten.

Empfohlenes Modell: GLM 5.2 - Die Punktzahl bleibt nah an der besten hier (8.7 vs 8.8) und es kostet etwa 4.7x weniger als die anderen Modelle in diesem Vergleich.

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-06-30

Metrik Claude Sonnet 4.6 Claude Sonnet 4.6 medium Veröffentlichung: 2026-02-17 Claude Sonnet 5 Claude Sonnet 5 medium Veröffentlichung: 2026-06-30 Claude Opus 4.8 Claude Opus 4.8 medium Veröffentlichung: 2026-05-28 GLM 5.2 GLM 5.2 medium Veröffentlichung: 2026-06-17
Punktzahl 7.8 7.9 8.8 8.7
Rang #32 #30 #12 #14
Zuverlässigkeit 10.0 10.0 10.0 9.5
Konsistenz 9.1 9.0 9.6 8.4
Korrekte Tests
Erfolgsquote pro Versuch 65.1% 79.4% 84.1% 84.1%
Instabile Tests 2 3 1 4
Gesamtläufe 63 63 63 63
Kosten pro Ergebnis 10.904 3.662 6.512 2.159
Gesamtkosten $1.418 $0.550 $1.107 $0.220
Eingabepreis $3.000 / 1M $2.000 / 1M $5.000 / 1M $0.930 / 1M
Ausgabepreis $15.000 / 1M $10.000 / 1M $25.000 / 1M $3.000 / 1M
Gesamte Eingabe-Token 49,112 67,416 61,007 37,199
Ausgabe-Token 54,703 34,012 26,495 12,261
Denk-Token 29,970 7,673 5,901 49,500
Antwortzeit (Durchschnitt) 17.06s 9.94s 9.72s 23.28s
Antwortzeit (Maximum) 46.35s 56.94s 38.03s 101.36s
Antwortzeit (Gesamt) 221.83s 208.71s 204.19s 488.94s

Generierungs-Showcase

Hamster playing table tennis

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

#32 Claude Sonnet 4.6

medium
Ungültiges SVG
Kosten
$0.000
Zeit
300.0s
Token
0 tok

#30 Claude Sonnet 5

medium
Kosten
$0.007
Zeit
6.4s
Token
832 tok

#12 Claude Opus 4.8

medium
Kosten
$0.057
Zeit
23.1s
Token
2,412 tok

#14 GLM 5.2

medium
Kosten
$0.041
Zeit
195.8s
Token
9,287 tok

Top-Modelle nach Score

Score vs. Gesamtkosten

Antwortzeit (Durchschnitt)

Punktzahl vs Antwortzeit (Durchschnitt)

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Kategorieaufschlüsselung

Anti-KI-Tricks Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 6.5 10.0 50.0% 0 2.98s 789 1,046 1,093
Claude Sonnet 5 10.0 10.0 100.0% 0 3.80s 834 1,220 446
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 834 1,179 478
GLM 5.2 10.0 10.0 100.0% 0 5.89s 639 497 2,634
Programmierung Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 5.7 6.6 44.4% 1 33.29s 6,995 16,089 3,686
Claude Sonnet 5 9.0 7.9 88.9% 1 17.28s 10,590 13,153 2,379
Claude Opus 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GLM 5.2 8.2 7.2 88.9% 1 40.96s 7,317 1,475 17,123
Kombiniert Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 18,351 5,871 3,962
Claude Sonnet 5 4.5 2.1 66.7% 1 37.01s 29,394 4,848 2,170
Claude Opus 4.8 9.8 10.0 100.0% 0 38.03s 23,561 5,260 1,588
GLM 5.2 10.0 10.0 100.0% 0 51.96s 12,696 458 4,531
Datenanalyse und -extraktion Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 10.0 10.0 100.0% 0 13.90s 8,676 649 742
Claude Sonnet 5 10.0 10.0 100.0% 0 3.16s 10,503 312 0
Claude Opus 4.8 7.1 5.6 83.3% 1 12.29s 10,503 481 312
GLM 5.2 10.0 10.0 100.0% 0 13.44s 7,149 348 2,345
Domänenspezifisch Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 2.9 7.2 11.1% 1 0ms 471 25,790 16,919
Claude Sonnet 5 7.7 10.0 66.7% 0 20.38s 975 12,140 1,994
Claude Opus 4.8 5.3 10.0 33.3% 0 14.59s 975 7,477 900
GLM 5.2 4.1 4.4 44.5% 2 45.47s 551 8,188 11,606
Allgemeine Intelligenz Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 564 256 433
Claude Sonnet 5 4.8 3.2 33.3% 1 4.32s 708 264 0
Claude Opus 4.8 10.0 10.0 100.0% 0 2.46s 708 237 0
GLM 5.2 10.0 10.0 100.0% 0 17.39s 498 54 1,842
Befolgung von Anweisungen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 792 318 552
Claude Sonnet 5 9.9 10.0 100.0% 0 3.10s 909 318 269
Claude Opus 4.8 10.0 10.0 100.0% 0 3.32s 909 373 320
GLM 5.2 9.9 10.0 100.0% 0 7.90s 678 94 1,518
Rätsellösen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 10.0 10.0 100.0% 0 5.31s 816 592 646
Claude Sonnet 5 7.7 10.0 66.7% 0 2.98s 894 407 121
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 894 791 483
GLM 5.2 8.2 7.2 88.9% 1 13.13s 672 536 4,822
Werkzeugaufrufe Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 11,454 655 351
Claude Sonnet 5 10.0 10.0 100.0% 0 10.70s 12,351 433 90
Claude Opus 4.8 10.0 10.0 100.0% 0 8.96s 11,775 301 225
GLM 5.2 10.0 10.0 100.0% 0 20.41s 6,861 230 550
Allgemeinwissen Punktzahl Konsistenz Erfolgsquote pro Versuch Instabile Tests Korrekte Tests Antwortzeit (Durchschnitt) Eingabe-Token Ausgabe-Token Denk-Token
Claude Sonnet 4.6 3.0 10.0 0.0% 0 30.09s 204 3,437 1,586
Claude Sonnet 5 3.0 10.0 0.0% 0 7.06s 258 917 204
Claude Opus 4.8 3.0 10.0 0.0% 0 6.14s 258 451 214
GLM 5.2 3.0 10.0 0.0% 0 34.25s 138 381 2,529

Schnellvergleich

Vergleichspaar wechseln

Claude Sonnet 4.6mediumvsStep 3.7 FlashlowClaude Sonnet 5mediumvsStep 3.7 FlashlowGPT-5.2 ChatnonevsGLM 5.2mediumClaude Sonnet 4.6mediumvsDeepSeek V4 ProhighClaude Sonnet 5mediumvsDeepSeek V4 ProhighClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.8mediumvsGPT-5.2 ChatnoneClaude Sonnet 5mediumvsGPT-5.3 ChatnoneClaude Sonnet 5mediumvsDeepSeek V4 FlashhighDeepSeek V4 FlashhighvsGLM 5.2mediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Sonnet 4.6mediumvsDeepSeek V4 Flashhigh