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

Claude Opus 4.8 (low) vs Gemini 2.5 Flash (medium)

Gemini 2.5 Flash (medium) average score मध्ये पुढे आहे: 7.3 vs 7.2. Gemini 2.5 Flash (medium) चा benchmark खर्च कमी आहे: $0.680 vs $3.787. Claude Opus 4.8 (low) वेगवान आहे: 17.13s vs 20.51s, pass rates 78.3% vs 68.1%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-13

तुलना केलेली मॉडेल्स

क्रमांक
#211
एकूण आउटपुट टोकन्स
69,489
प्रतिसाद वेळ (सरासरी)
17.13s
एकूण खर्च
$3.787
क्रमांक
#202
एकूण आउटपुट टोकन्स
241,365
प्रतिसाद वेळ (सरासरी)
20.51s
एकूण खर्च
$0.680
शिफारस केलेले मॉडेल Gemini 2.5 Flash (medium)

It has the best score here (7.3), while costing about 5.6x less than Claude Opus 4.8 (low).

तपशीलवार तुलना

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low प्रकाशन: 2026-05-28 Gemini 2.5 Flash Gemini 2.5 Flash medium प्रकाशन: 2025-06-17
स्कोअर 7.2 7.3
क्रमांक #211 #202
विश्वसनीयता 10.0 10.0
सुसंगतता 8.6 9.6
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 78.3% 68.1%
अस्थिर चाचण्या 4 1
एकूण रन 69 69
प्रति निकाल खर्च 23.669 4.288
एकूण खर्च $3.787 $0.680
इनपुट किंमत $5.000 / 1M $0.300 / 1M
आउटपुट किंमत $25.000 / 1M $2.500 / 1M
कॅश वाचण्याची किंमत $0.500 / 1M $0.030 / 1M
कॅश लिहिण्याची किंमत $6.250 / 1M $0.084 / 1M
एकूण इनपुट टोकन्स 409,947 132,507
आउटपुट टोकन्स 46,060 12,739
रिझनिंग टोकन्स 23,429 228,626
प्रतिसाद वेळ (सरासरी) 17.13s 20.51s
प्रतिसाद वेळ (कमाल) 127.97s 140.50s
प्रतिसाद वेळ (एकूण) 394.01s 471.64s
पॅरामीटर्स ~5T एकूण (~500B सक्रिय) ~350B एकूण (~20B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#211 Claude Opus 4.8

low
खर्च
$0.031
वेळ
14.1s
टोकन्स
1,345 tok

#202 Gemini 2.5 Flash

medium
No output was saved. The original provider response or failure reason is unavailable.
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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Gemini 2.5 Flash 7.8 10.0 66.7% 0 41.01s 6,669 543 32,303

तुलना जोडी बदला