Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

Modelos comparados

Resumen

Comparación benchmark Claude Opus 4.6 vs Claude Sonnet 4.6 vs GPT-5.3-Codex vs Gemini 3.1 Pro PreviewGemini 3.1 Pro Preview lidera en Puntuación con 9.2. Claude Opus 4.6 lidera en Fiabilidad con 10.0. GPT-5.3-Codex tiene el Costo total más bajo con $0.740. GPT-5.3-Codex es el más rápido con 16.22s.

Modelo recomendado: GPT-5.3-Codex - Su puntuación se mantiene cerca de la mejor aquí (8.9 vs 9.2) y cuesta aproximadamente 2.0x menos que los otros modelos de esta comparación.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18

Métrica Claude Opus 4.6 Claude Opus 4.6 medium Lanzamiento: 2026-02-05 Claude Sonnet 4.6 Claude Sonnet 4.6 medium Lanzamiento: 2026-02-17 GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05 Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Lanzamiento: 2026-02-19
Puntuación 7.7 7.8 8.9 9.2
Rango #38 #31 #10 #7
Fiabilidad 10.0 10.0 10.0 10.0
Consistencia 8.8 9.1 8.5 10.0
Pruebas correctas
Tasa de aciertos por intento 61.9% 65.1% 82.5% 90.5%
Pruebas inestables 3 2 4 0
Ejecuciones totales 63 63 63 63
Costo por resultado 17.103 10.904 4.932 5.546
Costo total $2.053 $1.418 $0.740 $1.054
Precio de entrada $5.000 / 1M $3.000 / 1M $1.750 / 1M $2.000 / 1M
Precio de salida $25.000 / 1M $15.000 / 1M $14.000 / 1M $12.000 / 1M
Total de tokens de entrada 53,227 49,112 34,299 41,617
Tokens de salida 47,446 54,703 2,357 1,977
Tokens de razonamiento 24,000 29,970 46,189 78,896
Tiempo de respuesta (promedio) 25.89s 17.06s 16.22s 20.14s
Tiempo de respuesta (máximo) 83.40s 46.35s 100.93s 88.68s
Tiempo de respuesta (total) 362.49s 221.83s 340.67s 281.92s

Generación showcase

Hamster playing table tennis

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

#38 Claude Opus 4.6

medium
SVG inválido
Coste
$0.000
Tiempo
300.0s
Tokens
0 tok

#31 Claude Sonnet 4.6

medium
SVG inválido
Coste
$0.000
Tiempo
300.0s
Tokens
0 tok

#10 GPT-5.3-Codex

medium
Coste
$0.049
Tiempo
54.9s
Tokens
3,580 tok

#7 Gemini 3.1 Pro Preview

medium
Coste
$0.115
Tiempo
87.2s
Tokens
9,629 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
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
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
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
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 18,351 5,871 3,962
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 2,731
Gemini 3.1 Pro Preview 9.5 10.0 100.0% 0 40.61s 17,240 432 9,281
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Claude Sonnet 4.6 10.0 10.0 100.0% 0 13.90s 8,676 649 742
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 7,140 234 728
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.72s 7,265 279 3,904
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
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
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 564 256 433
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 477 187 331
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 11.77s 490 108 1,179
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 792 318 552
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 660 93 693
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.56s 621 72 2,236
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
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
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 11,454 655 351
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 5,445 254 492
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 23.15s 6,018 274 982
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
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

Comparación rápida

Cambiar par de comparación

Claude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsDeepSeek V4 ProhighClaude Sonnet 4.6mediumvsStep 3.7 FlashlowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsDeepSeek V4 ProhighGemini 3.5 FlashlowvsGPT-5.3-CodexmediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3 Flash PreviewlowClaude Sonnet 4.6mediumvsDeepSeek V4 FlashhighClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewlowClaude Opus 4.6mediumvsDeepSeek V4 Pronone