नेविगेशन
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 Sonnet 4.6 (medium) vs Claude Sonnet 5 (medium) vs Claude Opus 4.8 (medium) vs GLM 5.2 (medium) benchmark तुलना: Claude Sonnet 5 (medium) स्कोर में 8.5 के साथ आगे है। Claude Sonnet 4.6 (medium) विश्वसनीयता में 10.0 के साथ आगे है। GLM 5.2 (medium) का कुल लागत सबसे कम है: $1.007. Claude Sonnet 5 (medium) 15.01s पर सबसे तेज है।

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-17

तुलना किए गए मॉडल

रैंक
#298
कुल आउटपुट टोकन
120,427
प्रतिक्रिया समय (औसत)
28.08s
कुल लागत
$2.126
रैंक
#121
कुल आउटपुट टोकन
73,018
प्रतिक्रिया समय (औसत)
15.01s
कुल लागत
$1.438
रैंक
#142
कुल आउटपुट टोकन
67,522
प्रतिक्रिया समय (औसत)
16.72s
कुल लागत
$3.490
रैंक
#147
कुल आउटपुट टोकन
81,020
प्रतिक्रिया समय (औसत)
26.88s
कुल लागत
$1.007
अनुशंसित मॉडल Claude Sonnet 5 (medium)

It has the best score here (8.5), while costing about 1.5x less than इस तुलना के बाकी मॉडल.

विस्तृत तुलना

मेट्रिक Claude Sonnet 4.6 Claude Sonnet 4.6 medium रिलीज़: 2026-02-17 Claude Sonnet 5 Claude Sonnet 5 medium रिलीज़: 2026-06-30 Claude Opus 4.8 Claude Opus 4.8 medium रिलीज़: 2026-05-28 GLM 5.2 GLM 5.2 medium रिलीज़: 2026-06-17
स्कोर 6.4 8.5 8.3 8.2
रैंक #298 #121 #142 #147
विश्वसनीयता 10.0 10.0 10.0 9.6
संगति 9.1 9.1 9.0 8.1
प्रयास 66/69 69/69 69/69 66/69
सही परीक्षण
प्रति प्रयास पास दर 62.3% 76.8% 82.6% 81.2%
अस्थिर टेस्ट 1 3 3 4
कुल रन 66 69 69 66
प्रति परिणाम लागत 15.182 8.985 20.527 2.890
कुल लागत $2.126 $1.438 $3.490 $1.007
इनपुट कीमत $3.000 / 1M $2.000 / 1M $5.000 / 1M $0.153 / 1M
आउटपुट कीमत $15.000 / 1M $10.000 / 1M $25.000 / 1M $12.000 / 1M
कैश पढ़ने की कीमत $0.300 / 1M $0.200 / 1M $0.500 / 1M $0.150 / 1M
कैश लिखने की कीमत $3.750 / 1M $2.500 / 1M $6.250 / 1M लागू नहीं
कुल इनपुट टोकन 106,316 353,658 360,294 227,164
आउटपुट टोकन 79,338 54,891 43,441 20,029
रीजनिंग टोकन 41,089 18,370 24,401 60,991
प्रतिक्रिया समय (औसत) 28.08s 15.01s 16.72s 26.88s
प्रतिक्रिया समय (अधिकतम) 140.96s 69.26s 99.37s 102.40s
प्रतिक्रिया समय (कुल) 421.15s 345.16s 384.66s 591.34s
पैरामीटर ~1T कुल (~100B सक्रिय) ~1T कुल (~100B सक्रिय) ~5T कुल (~500B सक्रिय) 744B कुल (40B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत बंद स्रोत मुक्त 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.

#298 Claude Sonnet 4.6

medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
लागत
$0.000
समय
300.0s
टोकन
0 tok

#121 Claude Sonnet 5

medium
लागत
$0.007
समय
6.4s
टोकन
832 tok

#142 Claude Opus 4.8

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

#147 GLM 5.2

medium
लागत
$0.041
समय
195.8s
टोकन
9,287 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 Sonnet 4.6 5.7 6.6 44.4% 1 33.29s 6,995 16,089 3,686
Claude Sonnet 5 9.0 7.9 88.9% 1 17.28s 10,590 13,153 2,379
Claude Opus 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GLM 5.2 8.2 7.2 88.9% 1 40.96s 7,317 1,475 17,123

तुलना जोड़ी बदलें