नेविगेशन
AI BENCHY
Advertise here

तुलना किए गए मॉडल

Claude Opus 4.6 (medium) vs Claude Sonnet 4.6 (medium) vs GPT-5.3-Codex (medium) vs Gemini 3.1 Pro Preview (medium) benchmark तुलना: Gemini 3.1 Pro Preview (medium) स्कोर में 9.2 के साथ आगे है। Claude Opus 4.6 (medium) विश्वसनीयता में 10.0 के साथ आगे है। GPT-5.3-Codex (medium) का कुल लागत सबसे कम है: $0.920. GPT-5.3-Codex (medium) 16.96s पर सबसे तेज है।

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-07

रैंक
#60
कुल आउटपुट टोकन
100,601
प्रतिक्रिया समय (औसत)
34.27s
कुल लागत
$3.059
रैंक
#56
कुल आउटपुट टोकन
115,865
प्रतिक्रिया समय (औसत)
25.91s
कुल लागत
$2.057
रैंक
#18
कुल आउटपुट टोकन
55,525
प्रतिक्रिया समय (औसत)
16.96s
कुल लागत
$0.920
रैंक
#9
कुल आउटपुट टोकन
97,958
प्रतिक्रिया समय (औसत)
21.47s
कुल लागत
$1.361
अनुशंसित मॉडल GPT-5.3-Codex (medium)

Its score stays close to the best score here (8.9 vs 9.2), while costing about 2.3x less than इस तुलना के बाकी मॉडल.

विस्तृत तुलना

मेट्रिक Claude Opus 4.6 Claude Opus 4.6 medium रिलीज़: 2026-02-05 Claude Sonnet 4.6 Claude Sonnet 4.6 medium रिलीज़: 2026-02-17 GPT-5.3-Codex GPT-5.3-Codex medium रिलीज़: 2026-02-05 Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium रिलीज़: 2026-02-19
स्कोर 7.7 7.8 8.9 9.2
रैंक #60 #56 #18 #9
विश्वसनीयता 10.0 10.0 10.0 10.0
संगति 8.8 9.2 8.6 10.0
बेंचमार्क कवरेज 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास
सही परीक्षण
प्रति प्रयास पास दर 63.6% 66.7% 83.3% 90.9%
अस्थिर टेस्ट 3 2 4 0
कुल रन 66 66 66 66
प्रति परिणाम लागत 23.524 14.692 5.748 6.801
कुल लागत $3.059 $2.057 $0.920 $1.361
इनपुट कीमत $5.000 / 1M $3.000 / 1M $1.750 / 1M $2.000 / 1M
आउटपुट कीमत $25.000 / 1M $15.000 / 1M $14.000 / 1M $12.000 / 1M
कुल इनपुट टोकन 108,615 106,292 81,268 92,287
आउटपुट टोकन 72,286 80,748 6,251 5,232
रीजनिंग टोकन 28,315 35,117 49,274 92,726
प्रतिक्रिया समय (औसत) 34.27s 25.91s 16.96s 21.47s
प्रतिक्रिया समय (अधिकतम) 151.51s 140.96s 100.93s 88.68s
प्रतिक्रिया समय (कुल) 513.99s 362.78s 373.19s 322.08s

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#60 Claude Opus 4.6

medium
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok

#56 Claude Sonnet 4.6

medium
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok

#18 GPT-5.3-Codex

medium
लागत
$0.049
समय
54.9s
टोकन
3,580 tok

#9 Gemini 3.1 Pro Preview

medium
लागत
$0.115
समय
87.2s
टोकन
9,629 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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

त्वरित तुलना

तुलना जोड़ी बदलें