नेविगेशन
Advertise here

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 तुलना: Gemini 3.6 Flash (medium) स्कोर में 9.8 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: $0.427. GPT-5.6 Sol (high) 11.48s पर सबसे तेज है।

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-09-10

तुलना किए गए मॉडल

रैंक
#20
कुल आउटपुट टोकन
95,583
प्रतिक्रिया समय (औसत)
22.51s
कुल लागत
$3.070
रैंक
#15
कुल आउटपुट टोकन
28,708
प्रतिक्रिया समय (औसत)
11.48s
कुल लागत
$0.446
रैंक
#78
कुल आउटपुट टोकन
224,128
प्रतिक्रिया समय (औसत)
142.84s
कुल लागत
$3.467
रैंक
#7
कुल आउटपुट टोकन
100,876
प्रतिक्रिया समय (औसत)
11.86s
कुल लागत
$0.427
अनुशंसित मॉडल Gemini 3.6 Flash (medium)

It has the best score here (9.8), while costing about 5.5x less than इस तुलना के बाकी मॉडल.

विस्तृत तुलना

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 7.9 9.8
रैंक #20 #15 #78 #7
विश्वसनीयता 10.0 10.0 9.0 10.0
संगति 10.0 8.9 9.2 9.2
प्रयास 66/66 66/66 66/66 66/66
सही परीक्षण
प्रति प्रयास पास दर 81.8% 89.4% 77.3% 95.5%
अस्थिर टेस्ट 0 3 2 2
कुल रन 66 66 66 66
प्रति परिणाम लागत 17.052 6.987 21.668 4.101
कुल लागत $3.070 $0.446 $3.467 $0.427
इनपुट कीमत $5.000 / 1M $2.000 / 1M $3.000 / 1M $0.750 / 1M
आउटपुट कीमत $25.000 / 1M $10.000 / 1M $15.000 / 1M $3.750 / 1M
कुल इनपुट टोकन 135,956 79,258 34,960 64,446
आउटपुट टोकन 64,624 4,855 2,887 1,974
रीजनिंग टोकन 30,959 23,853 221,241 98,902
प्रतिक्रिया समय (औसत) 22.51s 11.48s 142.84s 11.86s
प्रतिक्रिया समय (अधिकतम) 159.01s 54.79s 766.58s 77.15s
प्रतिक्रिया समय (कुल) 495.12s 252.62s 2714.02s 260.96s
पैरामीटर ~5T कुल (~500B सक्रिय) ~2T कुल (~150B सक्रिय) 2.8T कुल (104B सक्रिय) ~500B कुल (~20B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत वेट उपलब्ध बंद स्रोत

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#20 Claude Opus 5

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

#15 GPT-5.6 Sol

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

#78 MoonshotAI: Kimi K3

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

#7 Gemini 3.6 Flash

medium
लागत
$0.095
समय
49.9s
टोकन
12,664 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 14.81s 8,124 444 31,421

त्वरित तुलना

तुलना जोड़ी बदलें