AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs Google: Gemini 2.5 Flash

सारांश

Claude Opus 4.6 vs Gemini 2.5 Flash benchmark तुलना: Gemini 2.5 Flash average score मध्ये पुढे आहे: 8.2 vs 7.7. Gemini 2.5 Flash चा benchmark खर्च कमी आहे: $0.379 vs $2.053. Gemini 2.5 Flash वेगवान आहे: 15.49s vs 25.89s, pass rates 61.9% vs 69.8%.

शिफारस केलेले मॉडेल: Gemini 2.5 Flash - It has the best score here (8.2), while costing about 5.4x less than Claude Opus 4.6.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-02

मेट्रिक	Claude Opus 4.6 Claude Opus 4.6 medium प्रकाशन: 2026-02-05	Gemini 2.5 Flash Gemini 2.5 Flash medium प्रकाशन: 2025-06-17

मेट्रिक	Claude Opus 4.6 Claude Opus 4.6 medium प्रकाशन: 2026-02-05	Gemini 2.5 Flash Gemini 2.5 Flash medium प्रकाशन: 2025-06-17
स्कोअर	7.7	8.2
क्रमांक	#40	#24
विश्वसनीयता	10.0	10.0
सुसंगतता	8.8	9.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर	61.9%	69.8%
अस्थिर चाचण्या	3	1
एकूण रन	63	63
प्रति निकाल खर्च	17.103	2.701
एकूण खर्च	$2.053	$0.379
इनपुट किंमत	$5.000 / 1M	$0.300 / 1M
आउटपुट किंमत	$25.000 / 1M	$2.500 / 1M
एकूण इनपुट टोकन्स	53,227	34,476
आउटपुट टोकन्स	47,446	1,930
रिझनिंग टोकन्स	24,000	145,145
प्रतिसाद वेळ (सरासरी)	25.89s	15.49s
प्रतिसाद वेळ (कमाल)	83.40s	95.48s
प्रतिसाद वेळ (एकूण)	362.49s	325.39s

जनरेशन शोकेस

Hamster playing table tennis

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

#40 Claude Opus 4.6

medium

अवैध SVG

खर्च: $0.000
वेळ: 300.0s
टोकन्स: 0 tok

#24 Gemini 2.5 Flash

medium

अवैध SVG

खर्च: $0.000
वेळ: 274.0s
टोकन्स: 0 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

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	6.4	5.8	66.7%	2		7.45s	840	986	1,071
Gemini 2.5 Flash	8.4	10.0	75.0%	0		6.30s	492	255	10,233

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
Gemini 2.5 Flash	7.8	10.0	66.7%	0		41.01s	6,669	543	32,303

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		76.66s	20,685	8,178	5,194
Gemini 2.5 Flash	10.0	10.0	100.0%	0		28.44s	12,522	303	11,922

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		7.37s	8,676	691	757
Gemini 2.5 Flash	10.0	10.0	100.0%	0		4.06s	7,257	279	2,325

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	3.0	10.0	0.0%	0		83.40s	674	14,642	8,687
Gemini 2.5 Flash	5.9	7.2	55.6%	1		37.34s	633	18	80,702

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		5.04s	564	188	292
Gemini 2.5 Flash	4.8	10.0	0.0%	0		4.86s	486	92	1,899

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		2.43s	792	266	467
Gemini 2.5 Flash	9.8	10.0	100.0%	0		2.62s	615	69	1,203

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	7.7	10.0	66.7%	0		4.71s	816	532	630
Gemini 2.5 Flash	7.7	10.0	66.7%	0		3.18s	558	126	2,499

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	10.0	10.0	100.0%	0		9.73s	11,454	861	329
Gemini 2.5 Flash	10.0	10.0	100.0%	0		6.20s	5,088	234	1,140

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 4.6	3.0	10.0	0.0%	0		63.24s	204	8,045	2,452
Gemini 2.5 Flash	3.0	10.0	0.0%	0		2.76s	156	11	919

झटपट तुलना

तुलना जोडी बदला