नेविगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Opus 4.8 vs Google: Gemini 3.6 Flash

Gemini 3.6 Flash (low) average score में आगे है: 9.4 vs 8.8. Gemini 3.6 Flash (low) की benchmark लागत कम है: $0.517 vs $1.931. Gemini 3.6 Flash (low) तेज है: 4.42s vs 12.49s, pass rates 84.9% vs 97.0%.

अनुशंसित मॉडलGemini 3.6 Flash (low)It has the best score here (9.4), while costing about 3.7x less than Claude Opus 4.8 (medium).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-21

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 medium रिलीज़: 2026-05-28 Gemini 3.6 Flash Gemini 3.6 Flash low रिलीज़: 2026-07-21
स्कोर 8.8 9.4
रैंक #17 #6
विश्वसनीयता 10.0 10.0
संगति 9.6 9.6
सही परीक्षण
प्रति प्रयास पास दर 84.9% 97.0%
अस्थिर टेस्ट 1 1
कुल रन 66 66
प्रति परिणाम लागत 10.724 2.461
कुल लागत $1.931 $0.517
इनपुट कीमत $5.000 / 1M $1.500 / 1M
आउटपुट कीमत $25.000 / 1M $7.500 / 1M
कुल इनपुट टोकन 138,451 82,715
आउटपुट टोकन 40,766 5,729
रीजनिंग टोकन 9,075 46,633
प्रतिक्रिया समय (औसत) 12.49s 4.42s
प्रतिक्रिया समय (अधिकतम) 70.54s 28.92s
प्रतिक्रिया समय (कुल) 274.72s 97.13s

Hamster playing table tennis

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

#17 Claude Opus 4.8

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

#6 Gemini 3.6 Flash

low
लागत
$0.050
समय
28.1s
टोकन
6,731 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 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
Gemini 3.6 Flash 7.8 7.4 77.8% 1 7.28s 8,136 451 15,026

त्वरित तुलना

तुलना जोड़ी बदलें