Navegación
AI BENCHY
Advertise here

Modelos comparados

Comparación benchmark 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) lidera en Puntuación con 9.9. Claude Opus 5 (high) lidera en Fiabilidad con 10.0. Gemini 3.6 Flash (medium) tiene el Costo total más bajo con $0.831. Gemini 3.6 Flash (medium) es el más rápido con 10.11s.

Modelo recomendadoGemini 3.6 Flash (medium)Tiene la mejor puntuación aquí (9.9) y cuesta aproximadamente 2.9x menos que los otros modelos de esta comparación.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-25

Métrica Claude Opus 5 Claude Opus 5 high Lanzamiento: 2026-07-25 GPT-5.6 Sol GPT-5.6 Sol high Lanzamiento: 2026-07-09 Kimi K3 Kimi K3 max Lanzamiento: 2026-07-16 Gemini 3.6 Flash Gemini 3.6 Flash medium Lanzamiento: 2026-07-21
Puntuación 9.2 9.4 8.0 9.9
Rango #11 #8 #40 #1
Fiabilidad 10.0 10.0 9.1 10.0
Consistencia 9.6 8.9 9.5 9.6
Pruebas correctas
Tasa de aciertos por intento 84.9% 89.4% 75.8% 98.5%
Pruebas inestables 1 3 1 1
Ejecuciones totales 66 66 66 66
Costo por resultado 15.747 6.852 19.446 3.955
Costo total $2.835 $1.234 $3.112 $0.831
Precio de entrada $5.000 / 1M $5.000 / 1M $3.000 / 1M $1.500 / 1M
Precio de salida $25.000 / 1M $30.000 / 1M $15.000 / 1M $7.500 / 1M
Total de tokens de entrada 135,959 79,249 34,916 66,293
Tokens de salida 67,066 4,855 2,910 2,000
Tokens de razonamiento 19,114 23,044 197,529 95,464
Tiempo de respuesta (promedio) 20.44s 11.73s 122.48s 10.11s
Tiempo de respuesta (máximo) 159.01s 54.79s 766.58s 68.03s
Tiempo de respuesta (total) 449.68s 257.99s 2327.06s 222.33s

Hamster playing table tennis

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

#11 Claude Opus 5

high
Coste
$0.265
Tiempo
144.5s
Tokens
10,741 tok

#8 GPT-5.6 Sol

high
Coste
$0.151
Tiempo
201.9s
Tokens
5,100 tok

#40 MoonshotAI: Kimi K3

max
Coste
$0.281
Tiempo
506.9s
Tokens
18,863 tok

#1 Gemini 3.6 Flash

medium
Coste
$0.079
Tiempo
47.9s
Tokens
10,532 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

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 5 10.0 10.0 100.0% 0 12.73s 10,590 7,547 1,721
GPT-5.6 Sol 10.0 10.0 100.0% 0 12.52s 7,302 404 5,656
Kimi K3 10.0 10.0 100.0% 0 325.79s 8,061 460 84,012
Gemini 3.6 Flash 10.0 10.0 100.0% 0 17.49s 8,136 474 40,157

Comparación rápida

Cambiar par de comparación

Kimi K3maxvsGPT-5.6 TerrahighClaude Opus 5highvsGemini 3.1 Pro PreviewmediumKimi K3maxvsInklingmediumGemini 3.6 FlashlowvsGPT-5.6 SolhighSeed-2.0-LitemediumvsKimi K3maxKimi K3maxvsGLM 5.2highKimi K3maxvsQwen3.7 PlusmediumKimi K3maxvsGPT-5.2 ChatnoneKimi K3maxvsStep 3.7 FlashmediumClaude Opus 5highvsGPT-5.5lowKimi K3maxvsInklinghighGemini 3.5 Flash-LitehighvsKimi K3max