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 4.8 vs Google: Gemini 2.5 Flash

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-01

Metrik Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28 Gemini 2.5 Flash Gemini 2.5 Flash medium Rilis: 2025-06-17
Skor 7.3 7.7
Peringkat #66 #40
Keandalan 10.0 10.0
Konsistensi 9.2 9.6
Tes benar
Tingkat lulus per percobaan 65.0% 68.3%
Tes tidak stabil 2 1
Total Run 60 60
Biaya per hasil 4.324 2.750
Total Biaya $0.519 $0.358
Harga input $5.000 / 1M $0.300 / 1M
Harga output $25.000 / 1M $2.500 / 1M
Token output 8,098 1,924
Token penalaran 0 137,255
Waktu respons (rata-rata) 3.51s 15.57s
Waktu respons (maks) 17.73s 95.48s
Waktu respons (total) 70.19s 311.47s

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 4.8 6.5 10.0 50.0% 0 3.40s 1,472 0
Gemini 2.5 Flash 8.4 10.0 75.0% 0 6.30s 255 10,233
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 6.8 10.0 50.0% 0 3.59s 1,323 0
Gemini 2.5 Flash 6.6 10.0 50.0% 0 54.56s 537 24,413
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 3,259 0
Gemini 2.5 Flash 10.0 10.0 100.0% 0 28.44s 303 11,922
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 4.8 7.3 5.8 83.3% 1 1.77s 308 0
Gemini 2.5 Flash 10.0 10.0 100.0% 0 4.06s 279 2,325
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 5.3 7.2 44.4% 1 1.66s 61 0
Gemini 2.5 Flash 5.9 7.2 55.6% 1 37.34s 18 80,702
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 230 0
Gemini 2.5 Flash 4.8 10.0 0.0% 0 4.86s 92 1,899
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 95 0
Gemini 2.5 Flash 9.8 10.0 100.0% 0 2.62s 69 1,203
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 783 0
Gemini 2.5 Flash 7.7 10.0 66.7% 0 3.18s 126 2,499
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 355 0
Gemini 2.5 Flash 10.0 10.0 100.0% 0 6.20s 234 1,140
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 212 0
Gemini 2.5 Flash 3.0 10.0 0.0% 0 2.76s 11 919

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.8nonevsQwen3.5-35B-A3BmediumClaude Opus 4.8nonevsMiniMax M3mediumClaude Opus 4.8nonevsRing-2.6-1TmediumClaude Opus 4.8nonevsGPT-5.4 MinimediumClaude Opus 4.8nonevsGPT-5.2mediumDeepSeek V4 FlashhighvsGemini 2.5 FlashmediumClaude Opus 4.8nonevsGLM 5V TurbomediumClaude Opus 4.8nonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsKimi K2.6mediumTersedia gratisClaude Opus 4.8nonevsStep 3.7 FlashlowClaude Opus 4.8nonevsGPT-5 Minimedium