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 NVIDIA: Nemotron 3 Ultra

Nemotron 3 Ultra (medium) average score मध्ये पुढे आहे: 7.5 vs 7.3. Nemotron 3 Ultra (medium) चा benchmark खर्च कमी आहे: $0.774 vs $1.166. Claude Opus 4.8 वेगवान आहे: 4.91s vs 32.21s, pass rates 63.6% vs 68.2%.

शिफारस केलेले मॉडेलClaude Opus 4.8Its score stays close to the best score here (7.3 vs 7.5), while responding about 6.6x faster than Nemotron 3 Ultra (medium).

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

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none प्रकाशन: 2026-05-28 Nemotron 3 Ultra Nemotron 3 Ultra medium प्रकाशन: 2026-06-04 मोफत उपलब्ध
स्कोअर 7.3 7.5
क्रमांक #70 #55
विश्वसनीयता 10.0 9.8
सुसंगतता 9.2 8.5
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 68.2%
अस्थिर चाचण्या 2 4
एकूण रन 66 66
प्रति निकाल खर्च 8.969 0.000
एकूण खर्च $1.166 $0.774
इनपुट किंमत $5.000 / 1M $0.600 / 1M
आउटपुट किंमत $25.000 / 1M $3.600 / 1M
एकूण इनपुट टोकन्स 149,206 233,488
आउटपुट टोकन्स 16,797 57,916
रिझनिंग टोकन्स 0 128,062
प्रतिसाद वेळ (सरासरी) 4.91s 32.21s
प्रतिसाद वेळ (कमाल) 35.03s 392.56s
प्रतिसाद वेळ (एकूण) 108.03s 708.65s

Hamster playing table tennis

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

#70 Claude Opus 4.8

none
खर्च
$0.053
वेळ
22.0s
टोकन्स
2,253 tok

#55 Nemotron 3 Ultra

medium
अवैध SVG
खर्च
$0.000
वेळ
300.0s
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 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Nemotron 3 Ultra 8.4 7.4 88.9% 1 26.53s 7,686 2,854 17,725

झटपट तुलना

तुलना जोडी बदला