Claude Opus 5 vs Gemini 3.1 Flash Lite Preview (medium)

Claude Opus 5 average score में आगे है: 7.1 vs 7.0. Gemini 3.1 Flash Lite Preview (medium) की benchmark लागत कम है: $0.158 vs $2.766. Gemini 3.1 Flash Lite Preview (medium) तेज है: 6.78s vs 10.78s, pass rates 55.1% vs 60.9%.

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

तुलना किए गए मॉडल

रैंक: #159
कुल आउटपुट टोकन: 31,386
प्रतिक्रिया समय (औसत): 10.78s
कुल लागत: $2.766

रैंक: #166
कुल आउटपुट टोकन: 59,534
प्रतिक्रिया समय (औसत): 6.78s
कुल लागत: $0.158

अनुशंसित मॉडल Gemini 3.1 Flash Lite Preview (medium)

Its score stays close to the best score here (7.0 vs 7.1), while costing about 17.6x less than Claude Opus 5.

विस्तृत तुलना

मेट्रिक	Claude Opus 5 Claude Opus 5 none रिलीज़: 2026-07-25	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium रिलीज़: 2026-03-03

मेट्रिक	Claude Opus 5 Claude Opus 5 none रिलीज़: 2026-07-25	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium रिलीज़: 2026-03-03
स्कोर	7.1	7.0
रैंक	#159	#166
विश्वसनीयता	10.0	10.0
संगति	9.6	9.9
प्रयास	69/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	55.1%	60.9%
अस्थिर टेस्ट	1	0
कुल रन	69	69
प्रति परिणाम लागत	23.044	1.124
कुल लागत	$2.766	$0.158
इनपुट कीमत	$5.000 / 1M	$0.250 / 1M
आउटपुट कीमत	$25.000 / 1M	$1.500 / 1M
कैश पढ़ने की कीमत	$0.500 / 1M	$0.025 / 1M
कैश लिखने की कीमत	$6.250 / 1M	$0.084 / 1M
कुल इनपुट टोकन	396,120	272,221
आउटपुट टोकन	31,386	12,345
रीजनिंग टोकन	0	47,189
प्रतिक्रिया समय (औसत)	10.78s	6.78s
प्रतिक्रिया समय (अधिकतम)	79.61s	54.91s
प्रतिक्रिया समय (कुल)	247.96s	155.96s
पैरामीटर	~5T कुल (~500B सक्रिय)	~150B कुल (~10B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#159 Claude Opus 5

none

लागत: $0.271
समय: 149.3s
टोकन: 10,962 tok

#166 Gemini 3.1 Flash Lite Preview

medium

लागत: $0.003
समय: 5.2s
टोकन: 1,944 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

श्रेणी:

स्वायत्त एजेंट कार्य	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 5	5.4	9.6	0.0%	0		79.61s	210,573	6,520	0
Gemini 3.1 Flash Lite Preview	5.0	10.0	0.0%	0		54.91s	154,728	1,756	0

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 5	5.5	8.3	41.7%	1		4.33s	834	1,398	0
Gemini 3.1 Flash Lite Preview	9.1	10.0	75.0%	0		2.33s	512	570	4,305

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 5	5.9	9.7	33.3%	0		5.54s	10,590	2,886	0
Gemini 3.1 Flash Lite Preview	5.5	10.0	33.3%	0		4.09s	8,126	461	8,597

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 5	8.3	10.0	50.0%	0		30.54s	148,140	13,011	0
Gemini 3.1 Flash Lite Preview	7.2	9.1	50.0%	0		16.63s	93,097	8,706	16,997

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 5	10.0	10.0	100.0%	0		3.88s	10,503	309	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		2.29s	7,362	279	2,952

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 5	5.3	10.0	33.3%	0		11.10s	972	5,440	0
Gemini 3.1 Flash Lite Preview	5.3	10.0	33.3%	0		4.09s	652	18	6,120

Samanya Buddhimatta	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		3.70s	708	316	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		3.16s	488	96	1,488

निर्देश पालन	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		2.81s	909	99	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		1.91s	621	72	2,121

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 5	7.7	10.0	66.7%	0		3.66s	894	874	0
Gemini 3.1 Flash Lite Preview	7.7	10.0	66.7%	0		5.30s	566	141	1,896

टूल कॉलिंग	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		7.89s	11,739	355	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		3.80s	5,909	234	912

सामान्य ज्ञान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Claude Opus 5	3.0	10.0	0.0%	0		4.08s	258	178	0
Gemini 3.1 Flash Lite Preview	3.0	10.0	0.0%	0		2.68s	160	12	1,801

तुलना जोड़ी बदलें

Claude Opus 5nonevsQwen3.6 27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 Chatdefault Ember-1lowvsGemini 3.1 Flash Lite Previewmedium Claude Opus 5nonevsStep 3.7 Flashlow Claude Opus 5nonevsGLM 5medium Claude Opus 5nonevsLongCat 2.0medium Gemini 3.1 Flash Lite PreviewmediumvsStep 5 Previewhigh Claude Opus 5nonevsQwen3.8 Flash Nextxhigh Claude Opus 5nonevsQwen3.7 Flashhigh Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.6low Gemini 3.1 Flash Lite PreviewmediumvsMuse Glimmer 30Blow Gemini 3.1 Flash Lite PreviewmediumvsMiMo-V2.6-Flashlow