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

Anthropic: Claude Opus 4.8 vs Google: Gemini 3.6 Flash

Gemini 3.6 Flash (low) average score मध्ये पुढे आहे: 9.4 vs 8.8. Gemini 3.6 Flash (low) चा benchmark खर्च कमी आहे: $0.517 vs $1.931. Gemini 3.6 Flash (low) वेगवान आहे: 4.42s vs 12.49s, pass rates 84.9% vs 97.0%.

शिफारस केलेले मॉडेलGemini 3.6 Flash (low)It has the best score here (9.4), while costing about 3.7x less than Claude Opus 4.8 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-21

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 medium प्रकाशन: 2026-05-28 Gemini 3.6 Flash Gemini 3.6 Flash low प्रकाशन: 2026-07-21
स्कोअर 8.8 9.4
क्रमांक #17 #6
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 9.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 84.9% 97.0%
अस्थिर चाचण्या 1 1
एकूण रन 66 66
प्रति निकाल खर्च 10.724 2.461
एकूण खर्च $1.931 $0.517
इनपुट किंमत $5.000 / 1M $1.500 / 1M
आउटपुट किंमत $25.000 / 1M $7.500 / 1M
एकूण इनपुट टोकन्स 138,451 82,715
आउटपुट टोकन्स 40,766 5,729
रिझनिंग टोकन्स 9,075 46,633
प्रतिसाद वेळ (सरासरी) 12.49s 4.42s
प्रतिसाद वेळ (कमाल) 70.54s 28.92s
प्रतिसाद वेळ (एकूण) 274.72s 97.13s

Hamster playing table tennis

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

#17 Claude Opus 4.8

medium
खर्च
$0.057
वेळ
23.1s
टोकन्स
2,412 tok

#6 Gemini 3.6 Flash

low
खर्च
$0.050
वेळ
28.1s
टोकन्स
6,731 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 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
Gemini 3.6 Flash 7.8 7.4 77.8% 1 7.28s 8,136 451 15,026

झटपट तुलना

तुलना जोडी बदला