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 9.9. Claude Opus 5 (high) unggul pada Keandalan dengan 10.0. Gemini 3.6 Flash (medium) memiliki Total Biaya terendah di $0.831. Gemini 3.6 Flash (medium) paling cepat di 10.11s.

Model yang direkomendasikanGemini 3.6 Flash (medium)It has the best score here (9.9), while costing about 2.9x less than model lain dalam perbandingan ini.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-25

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	9.2	9.4	8.0	9.9
Peringkat	#11	#8	#40	#1
Keandalan	10.0	10.0	9.1	10.0
Konsistensi	9.6	8.9	9.5	9.6
Tes benar
Tingkat lulus per percobaan	84.9%	89.4%	75.8%	98.5%
Tes tidak stabil	1	3	1	1
Total Run	66	66	66	66
Biaya per hasil	15.747	6.852	19.446	3.955
Total Biaya	$2.835	$1.234	$3.112	$0.831
Harga input	$5.000 / 1M	$5.000 / 1M	$3.000 / 1M	$1.500 / 1M
Harga output	$25.000 / 1M	$30.000 / 1M	$15.000 / 1M	$7.500 / 1M
Total token input	135,959	79,249	34,916	66,293
Token output	67,066	4,855	2,910	2,000
Token penalaran	19,114	23,044	197,529	95,464
Waktu respons (rata-rata)	20.44s	11.73s	122.48s	10.11s
Waktu respons (maks)	159.01s	54.79s	766.58s	68.03s
Waktu respons (total)	449.68s	257.99s	2327.06s	222.33s

Hamster playing table tennis

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

#11 Claude Opus 5

high

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

#8 GPT-5.6 Sol

high

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

#40 MoonshotAI: Kimi K3

max

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

#1 Gemini 3.6 Flash

medium

Biaya: $0.079
Waktu: 47.9s
Token: 10,532 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 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	2.34s	516	149	4,489

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%	17.49s	8,136	474	40,157

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%	42.07s	41,732	405	11,531

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	4.26s	7,269	279	5,020

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 5	3.6	7.2	22.2%	1	89.10s	975	43,065	13,078
GPT-5.6 Sol	5.3	7.2	44.4%	1	39.45s	619	62	9,556
Kimi K3	5.9	9.3	33.3%	0	490.14s	794	80	83,180
Gemini 3.6 Flash	8.2	7.2	88.9%	1	12.59s	651	12	20,611

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%	3.32s	492	116	1,539

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	9.9	10.0	100.0%	2.77s	627	71	3,067

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%	2.53s	576	259	3,373

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%	8.55s	6,132	225	3,020

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	5.09s	162	10	2,657

Perbandingan Cepat

Ganti Pasangan Perbandingan

Kimi K3maxvsGPT-5.6 Terrahigh Claude Opus 5highvsGemini 3.1 Pro Previewmedium Kimi K3maxvsInklingmedium Gemini 3.6 FlashlowvsGPT-5.6 Solhigh Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGLM 5.2high Kimi K3maxvsQwen3.7 Plusmedium Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Claude Opus 5highvsGPT-5.5low Kimi K3maxvsInklinghigh Gemini 3.5 Flash-LitehighvsKimi K3max