नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

Anthropic: Claude Opus 4.8 vs Google: Gemini 3 Flash Preview

सारांश

Claude Opus 4.8 (medium) vs Gemini 3 Flash Preview (medium) benchmark तुलना: Gemini 3 Flash Preview (medium) average score में आगे है: 9.6 vs 8.8. Gemini 3 Flash Preview (medium) की benchmark लागत कम है: $0.667 vs $1.107. Claude Opus 4.8 (medium) तेज है: 9.72s vs 18.64s, pass rates 84.1% vs 98.4%.

अनुशंसित मॉडल: Gemini 3 Flash Preview (medium) - It has the best score here (9.6), while costing about 1.7x less than Claude Opus 4.8 (medium).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-10

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 medium रिलीज़: 2026-05-28 Gemini 3 Flash Preview Gemini 3 Flash Preview medium रिलीज़: 2025-12-17
स्कोर 8.8 9.6
रैंक #15 #2
विश्वसनीयता 10.0 10.0
संगति 9.6 9.7
सही परीक्षण
प्रति प्रयास पास दर 84.1% 98.4%
अस्थिर टेस्ट 1 1
कुल रन 63 63
प्रति परिणाम लागत 6.512 3.335
कुल लागत $1.107 $0.667
इनपुट कीमत $5.000 / 1M $0.500 / 1M
आउटपुट कीमत $25.000 / 1M $3.000 / 1M
कुल इनपुट टोकन 61,007 37,017
आउटपुट टोकन 26,495 2,006
रीजनिंग टोकन 5,901 214,153
प्रतिक्रिया समय (औसत) 9.72s 18.64s
प्रतिक्रिया समय (अधिकतम) 38.03s 117.26s
प्रतिक्रिया समय (कुल) 204.19s 391.35s

जनरेशन शोकेस

Hamster playing table tennis

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

#15 Claude Opus 4.8

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

#2 Gemini 3 Flash Preview

medium
लागत
$0.010
समय
17.9s
टोकन
3,236 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 4.8 10.0 10.0 100.0% 0 3.95s 834 1,179 478
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 3.88s 494 330 3,216
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 Flash Preview 8.6 7.6 88.9% 1 84.40s 8,122 462 161,084
संयुक्त स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 9.8 10.0 100.0% 0 38.03s 23,561 5,260 1,588
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 22.42s 12,873 351 10,485
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
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 5.43s 7,548 279 4,893
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 5.3 10.0 33.3% 0 14.59s 975 7,477 900
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 15.27s 633 12 21,684
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
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 5.19s 486 72 1,905
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
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.04s 615 72 2,709
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
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 4.05s 558 183 4,365
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
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 12.60s 5,532 234 1,487
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
Gemini 3 Flash Preview 10.0 10.0 100.0% 0 5.50s 156 11 2,325

त्वरित तुलना

तुलना जोड़ी बदलें