नेविगेशन
AI BENCHY
Advertise here

Claude Opus 4.8 vs Gemini 3.1 Flash Lite (medium)

average score लगभग बराबर है: 7.3 vs 7.3. Gemini 3.1 Flash Lite (medium) की benchmark लागत कम है: $0.117 vs $1.166. Gemini 3.1 Flash Lite (medium) तेज है: 4.27s vs 4.91s, pass rates 63.6% vs 62.1%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-05

रैंक
#86
कुल आउटपुट टोकन
16,797
प्रतिक्रिया समय (औसत)
4.91s
कुल लागत
$1.166
रैंक
#84
कुल आउटपुट टोकन
60,298
प्रतिक्रिया समय (औसत)
4.27s
कुल लागत
$0.117
अनुशंसित मॉडल Gemini 3.1 Flash Lite (medium)

It has the best score here (7.3), while costing about 10.0x less than Claude Opus 4.8.

विस्तृत तुलना

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none रिलीज़: 2026-05-28 Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium रिलीज़: 2026-05-08
स्कोर 7.3 7.3
रैंक #86 #84
विश्वसनीयता 10.0 10.0
संगति 9.2 9.2
बेंचमार्क कवरेज 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास
सही परीक्षण
प्रति प्रयास पास दर 63.6% 62.1%
अस्थिर टेस्ट 2 2
कुल रन 66 66
प्रति परिणाम लागत 8.969 0.898
कुल लागत $1.166 $0.117
इनपुट कीमत $5.000 / 1M $0.250 / 1M
आउटपुट कीमत $25.000 / 1M $1.500 / 1M
कुल इनपुट टोकन 149,206 104,918
आउटपुट टोकन 16,797 9,168
रीजनिंग टोकन 0 51,130
प्रतिक्रिया समय (औसत) 4.91s 4.27s
प्रतिक्रिया समय (अधिकतम) 35.03s 26.22s
प्रतिक्रिया समय (कुल) 108.03s 94.02s

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#86 Claude Opus 4.8

none
लागत
$0.053
समय
22.0s
टोकन
2,253 tok

#84 Gemini 3.1 Flash Lite

medium
लागत
$0.003
समय
5.3s
टोकन
1,754 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 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Gemini 3.1 Flash Lite 5.5 10.0 33.3% 0 3.81s 8,134 459 8,978

त्वरित तुलना

तुलना जोड़ी बदलें