नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

तुलना किए गए मॉडल

सारांश

Claude Opus 4.6 vs Claude Sonnet 4.6 vs GPT-5.3-Codex vs Gemini 3.1 Pro Preview benchmark तुलनाGemini 3.1 Pro Preview स्कोर में 9.2 के साथ आगे है। Claude Opus 4.6 विश्वसनीयता में 10.0 के साथ आगे है। GPT-5.3-Codex का कुल लागत सबसे कम है: $0.740. GPT-5.3-Codex 16.22s पर सबसे तेज है।

अनुशंसित मॉडल: GPT-5.3-Codex - Its score stays close to the best score here (8.9 vs 9.2), while costing about 2.0x less than इस तुलना के बाकी मॉडल.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-06-18

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 #38 #31 #10 #7
विश्वसनीयता 10.0 10.0 10.0 10.0
संगति 8.8 9.1 8.5 10.0
सही परीक्षण
प्रति प्रयास पास दर 61.9% 65.1% 82.5% 90.5%
अस्थिर टेस्ट 3 2 4 0
कुल रन 63 63 63 63
प्रति परिणाम लागत 17.103 10.904 4.932 5.546
कुल लागत $2.053 $1.418 $0.740 $1.054
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 53,227 49,112 34,299 41,617
आउटपुट टोकन 47,446 54,703 2,357 1,977
रीजनिंग टोकन 24,000 29,970 46,189 78,896
प्रतिक्रिया समय (औसत) 25.89s 17.06s 16.22s 20.14s
प्रतिक्रिया समय (अधिकतम) 83.40s 46.35s 100.93s 88.68s
प्रतिक्रिया समय (कुल) 362.49s 221.83s 340.67s 281.92s

जनरेशन शोकेस

Hamster playing table tennis

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

#38 Claude Opus 4.6

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

#31 Claude Sonnet 4.6

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

#10 GPT-5.3-Codex

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

#7 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

एंटी-एआई ट्रिक्स स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
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
संयुक्त स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
डेटा पार्सिंग और निष्कर्षण स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
डोमेन-विशिष्ट स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
Samanya Buddhimatta स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
निर्देश पालन स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
पहेली समाधान स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
टूल कॉलिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
सामान्य ज्ञान स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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

त्वरित तुलना

तुलना जोड़ी बदलें

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