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

Claude Opus 5 vs Google: Gemini 2.5 Flash

Claude Opus 5 (low) average score मध्ये पुढे आहे: 8.6 vs 8.2. Gemini 2.5 Flash (medium) चा benchmark खर्च कमी आहे: $0.643 vs $1.121. Claude Opus 5 (low) वेगवान आहे: 6.99s vs 21.18s, pass rates 80.3% vs 71.2%.

शिफारस केलेले मॉडेलClaude Opus 5 (low)It has the best score here (8.6), while responding about 3.0x faster than Gemini 2.5 Flash (medium).

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

मेट्रिक Claude Opus 5 Claude Opus 5 low प्रकाशन: 2026-07-25 Gemini 2.5 Flash Gemini 2.5 Flash medium प्रकाशन: 2025-06-17
स्कोअर 8.6 8.2
क्रमांक #23 #31
विश्वसनीयता 10.0 10.0
सुसंगतता 9.3 9.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 80.3% 71.2%
अस्थिर चाचण्या 2 1
एकूण रन 66 66
प्रति निकाल खर्च 6.593 4.286
एकूण खर्च $1.121 $0.643
इनपुट किंमत $5.000 / 1M $0.300 / 1M
आउटपुट किंमत $25.000 / 1M $2.500 / 1M
एकूण इनपुट टोकन्स 134,773 132,498
आउटपुट टोकन्स 14,123 12,739
रिझनिंग टोकन्स 3,896 228,464
प्रतिसाद वेळ (सरासरी) 6.99s 21.18s
प्रतिसाद वेळ (कमाल) 30.67s 140.50s
प्रतिसाद वेळ (एकूण) 153.73s 465.89s

Hamster playing table tennis

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

#23 Claude Opus 5

low
खर्च
$0.062
वेळ
30.2s
टोकन्स
2,615 tok

#31 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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 5 7.8 7.4 77.8% 1 6.70s 10,590 2,442 760
Gemini 2.5 Flash 7.8 10.0 66.7% 0 41.01s 6,669 543 32,303

झटपट तुलना

तुलना जोडी बदला