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 Sonnet 4.6 vs Google: Gemini 3.1 Flash Lite

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-08

Metrik Claude Sonnet 4.6 Claude Sonnet 4.6 none Rilis: 2026-02-17 Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium Rilis: 2026-05-08
Skor 7.2 7.9
Peringkat #61 #27
Keandalan 10.0 10.0
Konsistensi 9.6 9.1
Tes benar
Tingkat lulus per percobaan 61.4% 71.9%
Tes tidak stabil 1 2
Total Run 57 57
Biaya per hasil 2.441 0.452
Total Biaya $0.269 $0.059
Harga input $3.000 / 1M $0.250 / 1M
Harga output $15.000 / 1M $1.500 / 1M
Token output 7,864 2,224
Token penalaran 0 32,034
Waktu respons (rata-rata) 4.96s 3.14s
Waktu respons (maks) 23.84s 10.87s
Waktu respons (total) 59.50s 59.62s

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 Sonnet 4.6 4.8 10.0 25.0% 0 2.94s 1,214 0
Gemini 3.1 Flash Lite 9.1 10.0 75.0% 0 2.39s 604 4,201
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Sonnet 4.6 10.0 10.0 100.0% 0 3.67s 523 0
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 3.26s 429 2,712
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Sonnet 4.6 9.5 10.0 100.0% 0 23.84s 3,766 0
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 10.87s 327 7,401
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Sonnet 4.6 10.0 10.0 100.0% 0 3.43s 252 0
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 2.60s 279 2,845
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Sonnet 4.6 7.7 10.0 66.7% 0 3.54s 413 0
Gemini 3.1 Flash Lite 2.9 7.2 11.1% 1 3.16s 15 5,165
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Sonnet 4.6 6.1 3.1 66.7% 1 2.56s 192 0
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 2.60s 84 1,142
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Sonnet 4.6 6.5 10.0 50.0% 0 1.96s 90 0
Gemini 3.1 Flash Lite 9.9 10.0 100.0% 0 2.59s 75 3,320
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Sonnet 4.6 7.7 10.0 66.7% 0 2.92s 536 0
Gemini 3.1 Flash Lite 7.6 7.2 77.8% 1 1.95s 165 2,450
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.11s 447 0
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 4.55s 234 921
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Sonnet 4.6 3.0 10.0 0.0% 0 4.67s 431 0
Gemini 3.1 Flash Lite 3.0 10.0 0.0% 0 3.08s 12 1,877

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Sonnet 4.6nonevsGPT-5.4 MinimediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumClaude Sonnet 4.6nonevsMiMo-V2-OmnimediumClaude Sonnet 4.6nonevsGPT-5.2mediumClaude Sonnet 4.6nonevsQwen3.5-35B-A3BmediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsGPT-5.4 NanomediumGemini 3.1 Flash LitemediumvsGPT-5.2 ChatnoneClaude Sonnet 4.6nonevsDeepSeek V4 ProhighClaude Sonnet 4.6nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsQwen3.6 Flashmedium