AI BENCHY Compare
Google: Gemini 2.5 Flash vs OpenAI: GPT-5.3 Chat
Bandingkan:
Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-03
| Metrik | Google: Gemini 2.5 Flash medium Rilis: 2025-06-17 | OpenAI: GPT-5.3 Chat none Rilis: 2026-03-03 |
|---|---|---|
| Peringkat | #16 | #14 |
| Skor Rata-rata | 7.05 | 7.27 |
| Konsistensi | 9.39 | 8.26 |
| Biaya per hasil | 2.762 | 2.835 |
| Total Biaya | $0.249 | $0.256 |
| Tes benar | ||
| Tingkat lulus per percobaan | 69.1% | 73.8% |
| Tes tidak stabil | 1 | 3 |
| Token output | 975 | 16,339 |
| Token penalaran | 96,701 | 0 |
Skor vs Total Biaya
Rincian Kategori
| Trik anti-AI | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.33 | 10.00 | 66.7% | 0 | 249 | 8,832 | |
| OpenAI: GPT-5.3 Chat | 7.33 | 7.49 | 77.8% | 1 | 3,091 | 0 |
| Parsing dan ekstraksi data | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 9.88 | 10.00 | 100.0% | 0 | 279 | 2,325 | |
| OpenAI: GPT-5.3 Chat | 9.88 | 10.00 | 100.0% | 0 | 942 | 0 |
| Spesifik domain | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 4.00 | 7.21 | 55.6% | 1 | 18 | 80,702 | |
| OpenAI: GPT-5.3 Chat | 1.00 | 4.41 | 33.3% | 2 | 8,264 | 0 |
| Kepatuhan instruksi | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.00 | 9.91 | 50.0% | 0 | 69 | 1,203 | |
| OpenAI: GPT-5.3 Chat | 8.50 | 9.99 | 50.0% | 0 | 1,455 | 0 |
| Puzzle Solving | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 7.00 | 10.00 | 66.7% | 0 | 126 | 2,499 | |
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,726 | 0 |
| Pemanggilan alat | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| Google: Gemini 2.5 Flash | 10.00 | 10.00 | 100.0% | 0 | 234 | 1,140 | |
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 861 | 0 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
GPT-5.3 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.5 FlashmediumTersedia gratisDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewhighvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.5-122B-A10BmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsGemini 2.5 FlashmediumGemini 2.5 FlashmediumvsQwen3.5 Plus 2026-02-15noneGPT-5.3 ChatnonevsGrok 4.1 Fastmedium