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

तुलना किए गए मॉडल

Claude Opus 5 (high) vs GPT-5.6 Sol (high) vs Kimi K3 (max) vs Gemini 3.6 Flash (medium) benchmark तुलनाGemini 3.6 Flash (medium) स्कोर में 9.9 के साथ आगे है। Claude Opus 5 (high) विश्वसनीयता में 10.0 के साथ आगे है। Gemini 3.6 Flash (medium) का कुल लागत सबसे कम है: $0.831. Gemini 3.6 Flash (medium) 10.11s पर सबसे तेज है।

अनुशंसित मॉडलGemini 3.6 Flash (medium)It has the best score here (9.9), while costing about 2.9x less than इस तुलना के बाकी मॉडल.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-25

मेट्रिक Claude Opus 5 Claude Opus 5 high रिलीज़: 2026-07-25 GPT-5.6 Sol GPT-5.6 Sol high रिलीज़: 2026-07-09 Kimi K3 Kimi K3 max रिलीज़: 2026-07-16 Gemini 3.6 Flash Gemini 3.6 Flash medium रिलीज़: 2026-07-21
स्कोर 9.2 9.4 8.0 9.9
रैंक #11 #8 #40 #1
विश्वसनीयता 10.0 10.0 9.1 10.0
संगति 9.6 8.9 9.5 9.6
सही परीक्षण
प्रति प्रयास पास दर 84.9% 89.4% 75.8% 98.5%
अस्थिर टेस्ट 1 3 1 1
कुल रन 66 66 66 66
प्रति परिणाम लागत 15.747 6.852 19.446 3.955
कुल लागत $2.835 $1.234 $3.112 $0.831
इनपुट कीमत $5.000 / 1M $5.000 / 1M $3.000 / 1M $1.500 / 1M
आउटपुट कीमत $25.000 / 1M $30.000 / 1M $15.000 / 1M $7.500 / 1M
कुल इनपुट टोकन 135,959 79,249 34,916 66,293
आउटपुट टोकन 67,066 4,855 2,910 2,000
रीजनिंग टोकन 19,114 23,044 197,529 95,464
प्रतिक्रिया समय (औसत) 20.44s 11.73s 122.48s 10.11s
प्रतिक्रिया समय (अधिकतम) 159.01s 54.79s 766.58s 68.03s
प्रतिक्रिया समय (कुल) 449.68s 257.99s 2327.06s 222.33s

Hamster playing table tennis

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

#11 Claude Opus 5

high
लागत
$0.265
समय
144.5s
टोकन
10,741 tok

#8 GPT-5.6 Sol

high
लागत
$0.151
समय
201.9s
टोकन
5,100 tok

#40 MoonshotAI: Kimi K3

max
लागत
$0.281
समय
506.9s
टोकन
18,863 tok

#1 Gemini 3.6 Flash

medium
लागत
$0.079
समय
47.9s
टोकन
10,532 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 5 10.0 10.0 100.0% 0 12.73s 10,590 7,547 1,721
GPT-5.6 Sol 10.0 10.0 100.0% 0 12.52s 7,302 404 5,656
Kimi K3 10.0 10.0 100.0% 0 325.79s 8,061 460 84,012
Gemini 3.6 Flash 10.0 10.0 100.0% 0 17.49s 8,136 474 40,157

त्वरित तुलना

तुलना जोड़ी बदलें