Navigasi
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs Google: Gemini 3.5 Flash

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-22

Metrik Claude Opus 4.6 Claude Opus 4.6 medium Rilis: 2026-02-05 Gemini 3.5 Flash Gemini 3.5 Flash high Rilis: 2026-05-19
Skor 7.2 9.6
Peringkat #63 #2
Keandalan 10.0 10.0
Konsistensi 9.1 9.6
Tes benar
Tingkat lulus per percobaan 63.3% 96.7%
Tes tidak stabil 2 1
Total Run 60 60
Biaya per hasil 15.798 5.231
Total Biaya $1.896 $0.994
Harga input $5.000 / 1M $1.500 / 1M
Harga output $25.000 / 1M $9.000 / 1M
Token output 42,253 1,969
Token penalaran 23,561 102,679
Waktu respons (rata-rata) 25.44s 8.30s
Waktu respons (maks) 83.40s 34.82s
Waktu respons (total) 330.70s 165.92s

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

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 986 1,071
Gemini 3.5 Flash 10.0 10.0 100.0% 0 2.57s 174 4,997
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 7.2 9.8 50.0% 0 29.37s 7,865 3,675
Gemini 3.5 Flash 10.0 10.0 100.0% 0 24.62s 450 34,170
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
Gemini 3.5 Flash 10.0 10.0 100.0% 0 22.37s 351 16,323
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 691 757
Gemini 3.5 Flash 10.0 10.0 100.0% 0 6.43s 279 8,466
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 14,642 8,687
Gemini 3.5 Flash 7.6 7.2 77.8% 1 14.09s 12 24,721
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.63s 115 1,650
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.35s 70 3,799
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 7.7 10.0 66.7% 0 4.60s 531 637
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.23s 241 4,940
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
Gemini 3.5 Flash 9.8 10.0 100.0% 0 4.96s 265 1,608
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 8,045 2,452
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.94s 12 2,005

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.6mediumvsRing-2.6-1TnoneClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneClaude Opus 4.6mediumvsDeepSeek V4 FlashhighTersedia gratisClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash LitelowClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsGemma 4 31BnoneTersedia gratisClaude Opus 4.6mediumvsGemini 3.1 Flash LiteminimalClaude Opus 4.6mediumvsDeepSeek V4 Prohigh