Model yang Dibandingkan

Perbandingan benchmark Claude Opus 5 (high) vs GPT-5.6 Sol (high) vs Kimi K3 (max) vs Gemini 3.6 Flash (medium): Gemini 3.6 Flash (medium) unggul pada Skor dengan 9.8. Claude Opus 5 (high) unggul pada Keandalan dengan 10.0. Gemini 3.6 Flash (medium) memiliki Total Biaya terendah di $0.577. GPT-5.6 Sol (high) paling cepat di 13.59s.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-10-26

Model yang Dibandingkan

Peringkat: #30
Total token output: 105,662
Waktu respons (rata-rata): 25.31s
Total Biaya: $4.524

Peringkat: #24
Total token output: 32,071
Waktu respons (rata-rata): 13.59s
Total Biaya: $1.595

Peringkat: #102
Total token output: 233,327
Waktu respons (rata-rata): 139.41s
Total Biaya: $3.409

Peringkat: #10
Total token output: 116,124
Waktu respons (rata-rata): 14.03s
Total Biaya: $0.577

Model yang direkomendasikan Gemini 3.6 Flash (medium)

It has the best score here (9.8), while costing about 5.5x less than model lain dalam perbandingan ini.

Perbandingan terperinci

Metrik	Claude Opus 5 Claude Opus 5 high Rilis: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Rilis: 2026-07-09	Kimi K3 Kimi K3 max Rilis: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Rilis: 2026-07-21

Metrik	Claude Opus 5 Claude Opus 5 high Rilis: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Rilis: 2026-07-09	Kimi K3 Kimi K3 max Rilis: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Rilis: 2026-07-21
Skor	9.4	9.5	8.3	9.8
Peringkat	#30	#24	#102	#10
Keandalan	10.0	10.0	9.3	10.0
Konsistensi	10.0	8.9	9.3	9.3
Percobaan	69/69	69/69	69/69	69/69
Tes benar
Tingkat lulus per percobaan	82.6%	89.9%	78.3%	95.7%
Tes tidak stabil	0	3	2	2
Total Run	69	69	69	69
Biaya per hasil	23.809	8.020	23.601	4.619
Total Biaya	$4.524	$1.595	$3.409	$0.577
Harga input	$5.000 / 1M	$2.000 / 1M	$0.830 / 1M	$0.750 / 1M
Harga output	$25.000 / 1M	$10.000 / 1M	$14.000 / 1M	$3.750 / 1M
Harga baca cache	$0.500 / 1M	$0.200 / 1M	$0.270 / 1M	$0.075 / 1M
Harga tulis cache	$6.250 / 1M	$2.500 / 1M	T/A	$0.042 / 1M
Total token input	376,421	195,567	170,700	188,003
Token output	67,688	5,841	7,719	2,914
Token penalaran	37,974	26,230	225,608	113,210
Waktu respons (rata-rata)	25.31s	13.59s	139.41s	14.03s
Waktu respons (maks)	159.01s	59.99s	766.58s	77.15s
Waktu respons (total)	582.11s	312.61s	2788.26s	322.73s
Parameter	~5T total (~500B aktif)	~2T total (~150B aktif)	2.8T total (104B aktif)	~500B total (~20B aktif)
Ketersediaan	Tertutup	Tertutup	Bobot tersedia	Tertutup

Harga cache berlaku untuk token input. Pembacaan memakai kembali prompt tersimpan; penulisan menyimpannya dan dapat menambah biaya. Token output menggunakan harga output.

Showcase generasi model

Hamster playing table tennis

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

#30 Claude Opus 5

high

Biaya: $0.265
Waktu: 144.5s
Token: 10,741 tok

#24 GPT-5.6 Sol

high

Biaya: $0.151
Waktu: 201.9s
Token: 5,100 tok

#102 MoonshotAI: Kimi K3

max

Biaya: $0.281
Waktu: 506.9s
Token: 18,863 tok

#10 Gemini 3.6 Flash

medium

Biaya: $0.095
Waktu: 49.9s
Token: 12,664 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:

Tugas agen	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	10.0	10.0	100.0%	86.99s	240,465	3,064	7,015
GPT-5.6 Sol	10.0	10.0	100.0%	59.99s	116,309	986	2,377
Kimi K3	10.0	10.0	100.0%	74.24s	135,740	4,832	4,367
Gemini 3.6 Flash	10.0	10.0	100.0%	61.77s	123,557	940	14,308

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	10.0	10.0	100.0%	0	5.91s	834	2,063	617
GPT-5.6 Sol	8.7	7.9	91.7%	1	3.39s	606	171	644
Kimi K3	10.0	10.0	100.0%	0	10.24s	1,638	496	2,629
Gemini 3.6 Flash	10.0	10.0	100.0%	0	2.54s	508	165	4,173

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	10.0	10.0	100.0%	12.73s	10,590	7,547	1,721
GPT-5.6 Sol	10.0	10.0	100.0%	12.52s	7,302	404	5,656
Kimi K3	10.0	10.0	100.0%	325.79s	8,061	460	84,012
Gemini 3.6 Flash	10.0	10.0	100.0%	14.81s	8,124	444	31,421

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	10.0	10.0	100.0%	31.11s	98,549	10,546	2,198
GPT-5.6 Sol	10.0	10.0	100.0%	24.99s	56,154	3,298	4,866
Kimi K3	6.5	10.0	50.0%	223.03s	12,792	399	20,460
Gemini 3.6 Flash	10.0	10.0	100.0%	49.01s	40,411	405	13,351

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	10.0	10.0	100.0%	0	4.22s	10,503	488	160
GPT-5.6 Sol	10.0	10.0	100.0%	0	1.16s	7,140	222	0
Kimi K3	7.3	5.8	83.3%	1	16.72s	7,839	354	2,606
Gemini 3.6 Flash	10.0	10.0	100.0%	0	4.92s	7,457	279	5,288

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	3.0	10.0	0.0%	0	104.24s	972	40,623	24,923
GPT-5.6 Sol	5.3	7.2	44.4%	1	37.67s	628	62	10,365
Kimi K3	5.3	7.2	44.4%	1	683.62s	838	57	106,892
Gemini 3.6 Flash	5.8	4.4	66.7%	2	21.99s	648	12	31,866

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	10.0	10.0	100.0%	3.79s	708	268	0
GPT-5.6 Sol	10.0	10.0	100.0%	4.40s	477	97	238
Kimi K3	10.0	10.0	100.0%	14.91s	732	191	871
Gemini 3.6 Flash	10.0	10.0	100.0%	3.40s	492	109	1,384

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	10.0	10.0	100.0%	4.78s	909	119	361
GPT-5.6 Sol	10.0	10.0	100.0%	2.73s	660	96	331
Kimi K3	10.0	10.0	100.0%	7.66s	1,179	147	1,119
Gemini 3.6 Flash	10.0	10.0	100.0%	3.82s	623	72	3,634

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	10.0	10.0	100.0%	4.66s	894	908	524
GPT-5.6 Sol	10.0	10.0	100.0%	4.10s	642	211	675
Kimi K3	10.0	10.0	100.0%	7.36s	1,416	495	1,368
Gemini 3.6 Flash	10.0	10.0	100.0%	3.43s	568	249	3,656

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	10.0	10.0	100.0%	8.44s	11,739	354	0
GPT-5.6 Sol	10.0	10.0	100.0%	7.08s	5,454	264	393
Kimi K3	3.0	10.0	0.0%	0ms	0	0	0
Gemini 3.6 Flash	10.0	10.0	100.0%	5.78s	5,457	229	1,372

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	3.0	10.0	0.0%	0	14.14s	258	1,708	455
GPT-5.6 Sol	4.7	1.6	66.7%	1	6.97s	195	30	685
Kimi K3	3.0	10.0	0.0%	0	19.67s	465	288	1,284
Gemini 3.6 Flash	10.0	10.0	100.0%	0	5.48s	158	10	2,757

Ganti Pasangan Perbandingan

Claude Opus 5highvsGemini 3.7 Flashlow Gemini 3.5 FlashhighvsKimi K3max Claude Haiku 5.5highvsKimi K3max Claude Opus 5highvsGPT-6.1 Terraxhigh Kimi K3maxvsGPT-5.6 Terrahigh Kimi K3maxvsGPT-6 Lunamedium Claude Opus 4.8mediumvsKimi K3max Gemini 3.7 FlashmediumvsGPT-5.6 Solhigh Ling 3.1 FlashmediumvsKimi K3max Kimi K3maxvsQwen3.7 Plusmedium Claude Opus 5highvsGPT-6.1 Terralow Claude Opus 5.5lowvsGPT-5.6 Solhigh

Model yang Dibandingkan