Claude Opus 4.8 (medium) vs Ernie 5.5 Flash Preview (high)

Ernie 5.5 Flash Preview (high) average score में आगे है: 8.3 vs 8.3. Ernie 5.5 Flash Preview (high) की benchmark लागत कम है: $0.000 vs $3.490. Claude Opus 4.8 (medium) तेज है: 16.72s vs 34.81s, pass rates 82.6% vs 82.6%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-13

तुलना किए गए मॉडल

रैंक: #130
कुल आउटपुट टोकन: 67,522
प्रतिक्रिया समय (औसत): 16.72s
कुल लागत: $3.490

रैंक: #124
कुल आउटपुट टोकन: 590,551
प्रतिक्रिया समय (औसत): 34.81s
कुल लागत: $0.000

अनुशंसित मॉडल Claude Opus 4.8 (medium)

Its score stays close to the best score here (8.3 vs 8.3), while responding about 2.1x faster than Ernie 5.5 Flash Preview (high).

विस्तृत तुलना

मेट्रिक	Claude Opus 4.8 Claude Opus 4.8 medium रिलीज़: 2026-05-28	Ernie 5.5 Flash Preview Ernie 5.5 Flash Preview high रिलीज़: 2026-11-12 निःशुल्क उपलब्ध

मेट्रिक	Claude Opus 4.8 Claude Opus 4.8 medium रिलीज़: 2026-05-28	Ernie 5.5 Flash Preview Ernie 5.5 Flash Preview high रिलीज़: 2026-11-12 निःशुल्क उपलब्ध
स्कोर	8.3	8.3
रैंक	#130	#124
विश्वसनीयता	10.0	9.7
संगति	9.0	8.6
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	82.6%	82.6%
अस्थिर टेस्ट	3	4
कुल रन	69	69
प्रति परिणाम लागत	20.527	0.000
कुल लागत	$3.490	$0.000
इनपुट कीमत	$5.000 / 1M	$0.000 / 1M
आउटपुट कीमत	$25.000 / 1M	$0.000 / 1M
कैश पढ़ने की कीमत	$0.500 / 1M	लागू नहीं
कैश लिखने की कीमत	$6.250 / 1M	लागू नहीं
कुल इनपुट टोकन	360,294	341,965
आउटपुट टोकन	43,441	7,959
रीजनिंग टोकन	24,401	582,592
प्रतिक्रिया समय (औसत)	16.72s	34.81s
प्रतिक्रिया समय (अधिकतम)	99.37s	246.40s
प्रतिक्रिया समय (कुल)	384.66s	800.65s
पैरामीटर	~5T कुल (~500B सक्रिय)	280B कुल (14B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#130 Claude Opus 4.8

medium

लागत: $0.057
समय: 23.1s
टोकन: 2,412 tok

#124 Ernie 5.5 Flash Preview

high

लागत: $0.000
समय: 68.0s
टोकन: 23,880 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

श्रेणी:

स्वायत्त एजेंट कार्य	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	6.1	3.1	66.7%	1		99.37s	221,846	2,676	13,239
Ernie 5.5 Flash Preview	6.4	3.8	33.3%	1		63.99s	203,096	1,496	14,885

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
Ernie 5.5 Flash Preview	10.0	10.0	100.0%	0		1.66s	837	270	2,141

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
Ernie 5.5 Flash Preview	10.0	10.0	100.0%	0		16.70s	7,419	441	48,063

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	9.9	10.0	100.0%	0		54.29s	101,005	19,531	4,762
Ernie 5.5 Flash Preview	10.0	10.0	100.0%	0		38.20s	112,948	4,156	54,091

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 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
Ernie 5.5 Flash Preview	7.3	5.8	83.3%	1		2.66s	7,017	265	2,576

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	3.6	7.2	22.2%	1		18.11s	972	7,476	2,987
Ernie 5.5 Flash Preview	3.5	4.4	33.3%	2		193.25s	870	226	454,767

Samanya Buddhimatta	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	10.0	10.0	100.0%	0		2.46s	708	237	0
Ernie 5.5 Flash Preview	10.0	10.0	100.0%	0		4.60s	543	265	2,168

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
Ernie 5.5 Flash Preview	9.8	10.0	100.0%	0		1.55s	777	63	1,282

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
Ernie 5.5 Flash Preview	10.0	10.0	100.0%	0		1.52s	813	293	1,195

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
Ernie 5.5 Flash Preview	10.0	10.0	100.0%	0		4.19s	7,390	224	674

सामान्य ज्ञान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
Ernie 5.5 Flash Preview	3.0	10.0	0.0%	0		2.01s	255	260	750

तुलना जोड़ी बदलें

Ernie 5.5 Flash Previewhighनिःशुल्क उपलब्धvsParticle-1minimal Claude Opus 4.8mediumvsGemini 4 Argonlow Claude Opus 4.8mediumvsDeepSeek V4.1 Flash 1017max Claude Opus 4.8mediumvsGrok 4.5high Claude Opus 4.8mediumvsKimi K3max Claude Opus 4.8mediumvsGemini 3.5 Flashhigh Ernie 5.5 Flash Previewhighनिःशुल्क उपलब्धvsKimi K3max Claude Opus 4.8mediumvsGLM 5.3 FlashX Legalhigh Claude Opus 4.8mediumvsGPT-5.6 Terrahigh Ernie 5.5 Flash Previewhighनिःशुल्क उपलब्धvsGemini 3.1 Pro Previewmedium Ernie 5.5 Flash Previewhighनिःशुल्क उपलब्धvsGPT-6 Lunamedium Ernie 5.5 Flash Previewhighनिःशुल्क उपलब्धvsMuse Glimmer 30Bxhigh