नेव्हिगेशन
AI BENCHY
Advertise here

तुलना केलेली मॉडेल्स

Claude Opus 5 (high) vs GPT-5.6 Sol (high) vs Kimi K3 (max) vs Gemini 3.6 Flash (medium) benchmark तुलनाGemini 3.6 Flash (medium) स्कोअर मध्ये 9.9 सह आघाडीवर आहे. Claude Opus 5 (high) विश्वसनीयता मध्ये 10.0 सह आघाडीवर आहे. Gemini 3.6 Flash (medium) चे एकूण खर्च सर्वात कमी आहे: $0.831. Gemini 3.6 Flash (medium) 10.11s वर सर्वात जलद आहे.

शिफारस केलेले मॉडेलGemini 3.6 Flash (medium)It has the best score here (9.9), while costing about 2.9x less than या तुलनेतील इतर मॉडेल.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-25

मेट्रिक Claude Opus 5 Claude Opus 5 high प्रकाशन: 2026-07-25 GPT-5.6 Sol GPT-5.6 Sol high प्रकाशन: 2026-07-09 Kimi K3 Kimi K3 max प्रकाशन: 2026-07-16 Gemini 3.6 Flash Gemini 3.6 Flash medium प्रकाशन: 2026-07-21
स्कोअर 9.2 9.4 8.0 9.9
क्रमांक #11 #8 #40 #1
विश्वसनीयता 10.0 10.0 9.1 10.0
सुसंगतता 9.6 8.9 9.5 9.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 84.9% 89.4% 75.8% 98.5%
अस्थिर चाचण्या 1 3 1 1
एकूण रन 66 66 66 66
प्रति निकाल खर्च 15.747 6.852 19.446 3.955
एकूण खर्च $2.835 $1.234 $3.112 $0.831
इनपुट किंमत $5.000 / 1M $5.000 / 1M $3.000 / 1M $1.500 / 1M
आउटपुट किंमत $25.000 / 1M $30.000 / 1M $15.000 / 1M $7.500 / 1M
एकूण इनपुट टोकन्स 135,959 79,249 34,916 66,293
आउटपुट टोकन्स 67,066 4,855 2,910 2,000
रिझनिंग टोकन्स 19,114 23,044 197,529 95,464
प्रतिसाद वेळ (सरासरी) 20.44s 11.73s 122.48s 10.11s
प्रतिसाद वेळ (कमाल) 159.01s 54.79s 766.58s 68.03s
प्रतिसाद वेळ (एकूण) 449.68s 257.99s 2327.06s 222.33s

Hamster playing table tennis

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

#11 Claude Opus 5

high
खर्च
$0.265
वेळ
144.5s
टोकन्स
10,741 tok

#8 GPT-5.6 Sol

high
खर्च
$0.151
वेळ
201.9s
टोकन्स
5,100 tok

#40 MoonshotAI: Kimi K3

max
खर्च
$0.281
वेळ
506.9s
टोकन्स
18,863 tok

#1 Gemini 3.6 Flash

medium
खर्च
$0.079
वेळ
47.9s
टोकन्स
10,532 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 5 10.0 10.0 100.0% 0 12.73s 10,590 7,547 1,721
GPT-5.6 Sol 10.0 10.0 100.0% 0 12.52s 7,302 404 5,656
Kimi K3 10.0 10.0 100.0% 0 325.79s 8,061 460 84,012
Gemini 3.6 Flash 10.0 10.0 100.0% 0 17.49s 8,136 474 40,157

झटपट तुलना

तुलना जोडी बदला