Claude Opus 5 vs Gemini 3.1 Flash Lite Preview (medium)

Claude Opus 5 average score मध्ये पुढे आहे: 7.1 vs 7.0. Gemini 3.1 Flash Lite Preview (medium) चा benchmark खर्च कमी आहे: $0.158 vs $2.766. Gemini 3.1 Flash Lite Preview (medium) वेगवान आहे: 6.78s vs 10.78s, pass rates 55.1% vs 60.9%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-09

तुलना केलेली मॉडेल्स

क्रमांक: #159
एकूण आउटपुट टोकन्स: 31,386
प्रतिसाद वेळ (सरासरी): 10.78s
एकूण खर्च: $2.766

क्रमांक: #166
एकूण आउटपुट टोकन्स: 59,534
प्रतिसाद वेळ (सरासरी): 6.78s
एकूण खर्च: $0.158

शिफारस केलेले मॉडेल Gemini 3.1 Flash Lite Preview (medium)

Its score stays close to the best score here (7.0 vs 7.1), while costing about 17.6x less than Claude Opus 5.

तपशीलवार तुलना

मेट्रिक	Claude Opus 5 Claude Opus 5 none प्रकाशन: 2026-07-25	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium प्रकाशन: 2026-03-03

मेट्रिक	Claude Opus 5 Claude Opus 5 none प्रकाशन: 2026-07-25	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium प्रकाशन: 2026-03-03
स्कोअर	7.1	7.0
क्रमांक	#159	#166
विश्वसनीयता	10.0	10.0
सुसंगतता	9.6	9.9
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	55.1%	60.9%
अस्थिर चाचण्या	1	0
एकूण रन	69	69
प्रति निकाल खर्च	23.044	1.124
एकूण खर्च	$2.766	$0.158
इनपुट किंमत	$5.000 / 1M	$0.250 / 1M
आउटपुट किंमत	$25.000 / 1M	$1.500 / 1M
कॅश वाचण्याची किंमत	$0.500 / 1M	$0.025 / 1M
कॅश लिहिण्याची किंमत	$6.250 / 1M	$0.084 / 1M
एकूण इनपुट टोकन्स	396,120	272,221
आउटपुट टोकन्स	31,386	12,345
रिझनिंग टोकन्स	0	47,189
प्रतिसाद वेळ (सरासरी)	10.78s	6.78s
प्रतिसाद वेळ (कमाल)	79.61s	54.91s
प्रतिसाद वेळ (एकूण)	247.96s	155.96s
पॅरामीटर्स	~5T एकूण (~500B सक्रिय)	~150B एकूण (~10B 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.

#159 Claude Opus 5

none

खर्च: $0.271
वेळ: 149.3s
टोकन्स: 10,962 tok

#166 Gemini 3.1 Flash Lite Preview

medium

खर्च: $0.003
वेळ: 5.2s
टोकन्स: 1,944 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

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5	5.4	9.6	0.0%	0		79.61s	210,573	6,520	0
Gemini 3.1 Flash Lite Preview	5.0	10.0	0.0%	0		54.91s	154,728	1,756	0

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5	5.5	8.3	41.7%	1		4.33s	834	1,398	0
Gemini 3.1 Flash Lite Preview	9.1	10.0	75.0%	0		2.33s	512	570	4,305

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5	5.9	9.7	33.3%	0		5.54s	10,590	2,886	0
Gemini 3.1 Flash Lite Preview	5.5	10.0	33.3%	0		4.09s	8,126	461	8,597

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5	8.3	10.0	50.0%	0		30.54s	148,140	13,011	0
Gemini 3.1 Flash Lite Preview	7.2	9.1	50.0%	0		16.63s	93,097	8,706	16,997

डेटा पार्सिंग आणि निष्कर्षण	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		3.88s	10,503	309	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		2.29s	7,362	279	2,952

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5	5.3	10.0	33.3%	0		11.10s	972	5,440	0
Gemini 3.1 Flash Lite Preview	5.3	10.0	33.3%	0		4.09s	652	18	6,120

Samanya Buddhimatta	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		3.70s	708	316	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		3.16s	488	96	1,488

सूचनांचे पालन	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		2.81s	909	99	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		1.91s	621	72	2,121

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5	7.7	10.0	66.7%	0		3.66s	894	874	0
Gemini 3.1 Flash Lite Preview	7.7	10.0	66.7%	0		5.30s	566	141	1,896

टूल कॉलिंग	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		7.89s	11,739	355	0
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		3.80s	5,909	234	912

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5	3.0	10.0	0.0%	0		4.08s	258	178	0
Gemini 3.1 Flash Lite Preview	3.0	10.0	0.0%	0		2.68s	160	12	1,801

तुलना जोडी बदला

Claude Opus 5nonevsQwen3.6 27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 Chatdefault Ember-1lowvsGemini 3.1 Flash Lite Previewmedium Claude Opus 5nonevsStep 3.7 Flashlow Claude Opus 5nonevsGLM 5medium Claude Opus 5nonevsLongCat 2.0medium Gemini 3.1 Flash Lite PreviewmediumvsStep 5 Previewhigh Claude Opus 5nonevsQwen3.8 Flash Nextxhigh Claude Opus 5nonevsQwen3.7 Flashhigh Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.6low Gemini 3.1 Flash Lite PreviewmediumvsMuse Glimmer 30Blow Gemini 3.1 Flash Lite PreviewmediumvsMiMo-V2.6-Flashlow