Model yang Dibandingkan

Perbandingan benchmark Claude Opus 4.6 (medium) vs Claude Sonnet 4.6 (medium) vs GPT-5.3-Codex (medium) vs Gemini 3.1 Pro Preview (medium): Gemini 3.1 Pro Preview (medium) unggul pada Skor dengan 9.2. Claude Opus 4.6 (medium) unggul pada Keandalan dengan 10.0. GPT-5.3-Codex (medium) memiliki Total Biaya terendah di $0.920. GPT-5.3-Codex (medium) paling cepat di 16.96s.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-08-07

Peringkat: #60
Total token output: 100,601
Waktu respons (rata-rata): 34.27s
Total Biaya: $3.059

Peringkat: #56
Total token output: 115,865
Waktu respons (rata-rata): 25.91s
Total Biaya: $2.057

Peringkat: #18
Total token output: 55,525
Waktu respons (rata-rata): 16.96s
Total Biaya: $0.920

Peringkat: #9
Total token output: 97,958
Waktu respons (rata-rata): 21.47s
Total Biaya: $1.361

Model yang direkomendasikan GPT-5.3-Codex (medium)

Its score stays close to the best score here (8.9 vs 9.2), while costing about 2.3x less than model lain dalam perbandingan ini.

Perbandingan terperinci

Metrik	Claude Opus 4.6 Claude Opus 4.6 medium Rilis: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Rilis: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium Rilis: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Rilis: 2026-02-19

Metrik	Claude Opus 4.6 Claude Opus 4.6 medium Rilis: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Rilis: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium Rilis: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Rilis: 2026-02-19
Skor	7.7	7.8	8.9	9.2
Peringkat	#60	#56	#18	#9
Keandalan	10.0	10.0	10.0	10.0
Konsistensi	8.8	9.2	8.6	10.0
Cakupan benchmark	22/22 tes · 66/66 percobaan	22/22 tes · 66/66 percobaan	22/22 tes · 66/66 percobaan	22/22 tes · 66/66 percobaan
Tes benar
Tingkat lulus per percobaan	63.6%	66.7%	83.3%	90.9%
Tes tidak stabil	3	2	4	0
Total Run	66	66	66	66
Biaya per hasil	23.524	14.692	5.748	6.801
Total Biaya	$3.059	$2.057	$0.920	$1.361
Harga input	$5.000 / 1M	$3.000 / 1M	$1.750 / 1M	$2.000 / 1M
Harga output	$25.000 / 1M	$15.000 / 1M	$14.000 / 1M	$12.000 / 1M
Total token input	108,615	106,292	81,268	92,287
Token output	72,286	80,748	6,251	5,232
Token penalaran	28,315	35,117	49,274	92,726
Waktu respons (rata-rata)	34.27s	25.91s	16.96s	21.47s
Waktu respons (maks)	151.51s	140.96s	100.93s	88.68s
Waktu respons (total)	513.99s	362.78s	373.19s	322.08s

Showcase generasi model

Hamster playing table tennis

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

#60 Claude Opus 4.6

medium

SVG tidak valid

Biaya: $0.000
Waktu: 300.0s
Token: 0 tok

#56 Claude Sonnet 4.6

medium

SVG tidak valid

Biaya: $0.000
Waktu: 300.0s
Token: 0 tok

#18 GPT-5.3-Codex

medium

Biaya: $0.049
Waktu: 54.9s
Token: 3,580 tok

#9 Gemini 3.1 Pro Preview

medium

Biaya: $0.115
Waktu: 87.2s
Token: 9,629 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	6.4	5.8	66.7%	2	7.45s	840	986	1,071
Claude Sonnet 4.6	6.5	10.0	50.0%	0	2.98s	789	1,046	1,093
GPT-5.3-Codex	8.7	7.9	91.7%	1	4.16s	606	240	1,722
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	7.90s	498	112	3,218

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	5.7	7.1	44.4%	1	30.10s	8,522	13,057	4,121
Claude Sonnet 4.6	5.7	6.6	44.4%	1	33.29s	6,995	16,089	3,686
GPT-5.3-Codex	10.0	10.0	100.0%	0	19.50s	7,302	535	10,890
Gemini 3.1 Pro Preview	7.9	9.9	66.7%	0	40.17s	8,124	435	41,247

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	10.0	10.0	100.0%	114.08s	76,073	33,018	9,509
Claude Sonnet 4.6	10.0	10.0	100.0%	93.65s	75,531	31,916	9,109
GPT-5.3-Codex	10.0	10.0	100.0%	26.04s	57,988	4,258	5,816
Gemini 3.1 Pro Preview	9.8	10.0	100.0%	40.39s	67,910	3,687	23,111

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	10.0	10.0	100.0%	7.37s	8,676	691	757
Claude Sonnet 4.6	10.0	10.0	100.0%	13.90s	8,676	649	742
GPT-5.3-Codex	10.0	10.0	100.0%	3.07s	7,140	234	728
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.72s	7,265	279	3,904

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	3.0	10.0	0.0%	0	83.40s	674	14,642	8,687
Claude Sonnet 4.6	2.9	7.2	11.1%	1	0ms	471	25,790	16,919
GPT-5.3-Codex	5.9	7.2	55.6%	1	64.31s	813	64	25,308
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	32.73s	635	18	12,424

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	10.0	10.0	100.0%	5.04s	564	188	292
Claude Sonnet 4.6	10.0	10.0	100.0%	4.94s	564	256	433
GPT-5.3-Codex	4.6	10.0	0.0%	4.87s	477	187	331
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	11.77s	490	108	1,179

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	10.0	10.0	100.0%	2.43s	792	266	467
Claude Sonnet 4.6	10.0	10.0	100.0%	2.61s	792	318	552
GPT-5.3-Codex	10.0	10.0	100.0%	3.04s	660	93	693
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	9.56s	621	72	2,236

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	7.7	10.0	66.7%	0	4.71s	816	532	630
Claude Sonnet 4.6	10.0	10.0	100.0%	0	5.31s	816	592	646
GPT-5.3-Codex	9.0	7.9	88.9%	1	5.05s	642	356	1,593
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.90s	570	235	3,128

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	10.0	10.0	100.0%	9.73s	11,454	861	329
Claude Sonnet 4.6	10.0	10.0	100.0%	7.48s	11,454	655	351
GPT-5.3-Codex	10.0	10.0	100.0%	6.37s	5,445	254	492
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	23.15s	6,018	274	982

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.6	3.0	10.0	0.0%	0	63.24s	204	8,045	2,452
Claude Sonnet 4.6	3.0	10.0	0.0%	0	30.09s	204	3,437	1,586
GPT-5.3-Codex	2.8	1.6	33.3%	1	14.43s	195	30	1,701
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.27s	156	12	1,297

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.3-CodexmediumvsGrok 4.5high Claude Opus 5highvsGemini 3.1 Pro Previewmedium Claude Opus 4.6mediumvsGPT-5.6 Lunahigh Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Claude Opus 4.6mediumvsDeepSeek V4 Flashhigh Claude Sonnet 4.6mediumvsQwen3.7 Flashhigh Claude Opus 4.6mediumvsDeepSeek V4 Prohigh Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Claude Opus 4.6mediumvsQwen3.7 Flashhigh Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh Claude Sonnet 4.6mediumvsGPT-5.6 Terrahigh