नेविगेशन
AI BENCHY
Advertise here

तुलना किए गए मॉडल

GPT-5.5 (medium) vs GPT-5.4 (medium) vs Gemini 3.1 Pro Preview (medium) vs Claude Opus 4.7 (medium) benchmark तुलना: Gemini 3.1 Pro Preview (medium) स्कोर में 9.2 के साथ आगे है। GPT-5.5 (medium) विश्वसनीयता में 10.0 के साथ आगे है। Gemini 3.1 Pro Preview (medium) का कुल लागत सबसे कम है: $1.361. Claude Opus 4.7 (medium) 7.61s पर सबसे तेज है।

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-07

रैंक
#15
कुल आउटपुट टोकन
124,436
प्रतिक्रिया समय (औसत)
38.42s
कुल लागत
$4.137
रैंक
#29
कुल आउटपुट टोकन
88,670
प्रतिक्रिया समय (औसत)
23.10s
कुल लागत
$1.533
रैंक
#9
कुल आउटपुट टोकन
97,958
प्रतिक्रिया समय (औसत)
21.47s
कुल लागत
$1.361
रैंक
#23
कुल आउटपुट टोकन
29,990
प्रतिक्रिया समय (औसत)
7.61s
कुल लागत
$1.477
अनुशंसित मॉडल Gemini 3.1 Pro Preview (medium)

It has the best score here (9.2), while costing about 1.8x less than इस तुलना के बाकी मॉडल.

विस्तृत तुलना

मेट्रिक GPT-5.5 GPT-5.5 medium रिलीज़: 2026-04-24 GPT-5.4 GPT-5.4 medium रिलीज़: 2026-03-05 Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium रिलीज़: 2026-02-19 Claude Opus 4.7 Claude Opus 4.7 medium रिलीज़: 2026-04-16
स्कोर 9.0 8.5 9.2 8.7
रैंक #15 #29 #9 #23
विश्वसनीयता 10.0 10.0 10.0 10.0
संगति 8.9 8.6 10.0 9.6
बेंचमार्क कवरेज 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास
सही परीक्षण
प्रति प्रयास पास दर 87.9% 77.3% 90.9% 83.3%
अस्थिर टेस्ट 3 4 0 1
कुल रन 66 66 66 66
प्रति परिणाम लागत 22.980 10.220 6.801 8.201
कुल लागत $4.137 $1.533 $1.361 $1.477
इनपुट कीमत $5.000 / 1M $2.500 / 1M $2.000 / 1M $5.000 / 1M
आउटपुट कीमत $30.000 / 1M $15.000 / 1M $12.000 / 1M $25.000 / 1M
कुल इनपुट टोकन 80,659 81,127 92,287 145,252
आउटपुट टोकन 5,617 6,155 5,232 24,948
रीजनिंग टोकन 118,819 82,515 92,726 5,042
प्रतिक्रिया समय (औसत) 38.42s 23.10s 21.47s 7.61s
प्रतिक्रिया समय (अधिकतम) 332.10s 100.41s 88.68s 65.40s
प्रतिक्रिया समय (कुल) 845.35s 508.26s 322.08s 159.91s

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#15 GPT-5.5

medium
लागत
$0.112
समय
71.9s
टोकन
3,807 tok

#29 GPT-5.4

medium
लागत
$0.214
समय
199.6s
टोकन
14,349 tok

#9 Gemini 3.1 Pro Preview

medium
लागत
$0.115
समय
87.2s
टोकन
9,629 tok

#23 Claude Opus 4.7

medium
लागत
$0.059
समय
26.8s
टोकन
2,475 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
GPT-5.5 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
Gemini 3.1 Pro Preview 7.9 9.9 66.7% 0 40.17s 8,124 435 41,247
Claude Opus 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114

त्वरित तुलना

तुलना जोड़ी बदलें