नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

तुलना केलेली मॉडेल्स

Claude Opus 4.6 (medium) vs Claude Sonnet 4.6 (medium) vs GPT-5.3-Codex (medium) vs Gemini 3.1 Pro Preview (medium) benchmark तुलना: Gemini 3.1 Pro Preview (medium) स्कोअर मध्ये 9.2 सह आघाडीवर आहे. Claude Opus 4.6 (medium) विश्वसनीयता मध्ये 10.0 सह आघाडीवर आहे. GPT-5.3-Codex (medium) चे एकूण खर्च सर्वात कमी आहे: $0.920. GPT-5.3-Codex (medium) 16.96s वर सर्वात जलद आहे.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-08-07

क्रमांक
#60
एकूण आउटपुट टोकन्स
100,601
प्रतिसाद वेळ (सरासरी)
34.27s
एकूण खर्च
$3.059
क्रमांक
#56
एकूण आउटपुट टोकन्स
115,865
प्रतिसाद वेळ (सरासरी)
25.91s
एकूण खर्च
$2.057
क्रमांक
#18
एकूण आउटपुट टोकन्स
55,525
प्रतिसाद वेळ (सरासरी)
16.96s
एकूण खर्च
$0.920
क्रमांक
#9
एकूण आउटपुट टोकन्स
97,958
प्रतिसाद वेळ (सरासरी)
21.47s
एकूण खर्च
$1.361
शिफारस केलेले मॉडेल GPT-5.3-Codex (medium)

Its score stays close to the best score here (8.9 vs 9.2), while costing about 2.3x less than या तुलनेतील इतर मॉडेल.

तपशीलवार तुलना

मेट्रिक Claude Opus 4.6 Claude Opus 4.6 medium प्रकाशन: 2026-02-05 Claude Sonnet 4.6 Claude Sonnet 4.6 medium प्रकाशन: 2026-02-17 GPT-5.3-Codex GPT-5.3-Codex medium प्रकाशन: 2026-02-05 Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium प्रकाशन: 2026-02-19
स्कोअर 7.7 7.8 8.9 9.2
क्रमांक #60 #56 #18 #9
विश्वसनीयता 10.0 10.0 10.0 10.0
सुसंगतता 8.8 9.2 8.6 10.0
बेंचमार्क कव्हरेज 22/22 चाचण्या · 66/66 प्रयत्न 22/22 चाचण्या · 66/66 प्रयत्न 22/22 चाचण्या · 66/66 प्रयत्न 22/22 चाचण्या · 66/66 प्रयत्न
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 66.7% 83.3% 90.9%
अस्थिर चाचण्या 3 2 4 0
एकूण रन 66 66 66 66
प्रति निकाल खर्च 23.524 14.692 5.748 6.801
एकूण खर्च $3.059 $2.057 $0.920 $1.361
इनपुट किंमत $5.000 / 1M $3.000 / 1M $1.750 / 1M $2.000 / 1M
आउटपुट किंमत $25.000 / 1M $15.000 / 1M $14.000 / 1M $12.000 / 1M
एकूण इनपुट टोकन्स 108,615 106,292 81,268 92,287
आउटपुट टोकन्स 72,286 80,748 6,251 5,232
रिझनिंग टोकन्स 28,315 35,117 49,274 92,726
प्रतिसाद वेळ (सरासरी) 34.27s 25.91s 16.96s 21.47s
प्रतिसाद वेळ (कमाल) 151.51s 140.96s 100.93s 88.68s
प्रतिसाद वेळ (एकूण) 513.99s 362.78s 373.19s 322.08s

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#60 Claude Opus 4.6

medium
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok

#56 Claude Sonnet 4.6

medium
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok

#18 GPT-5.3-Codex

medium
खर्च
$0.049
वेळ
54.9s
टोकन्स
3,580 tok

#9 Gemini 3.1 Pro Preview

medium
खर्च
$0.115
वेळ
87.2s
टोकन्स
9,629 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Claude Sonnet 4.6 5.7 6.6 44.4% 1 33.29s 6,995 16,089 3,686
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
Gemini 3.1 Pro Preview 7.9 9.9 66.7% 0 40.17s 8,124 435 41,247

झटपट तुलना

तुलना जोडी बदला