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

तुलना केलेली मॉडेल्स

Claude Sonnet 4.6 (medium) vs Claude Sonnet 5 (medium) vs Claude Opus 4.8 (medium) vs GLM 5.2 (medium) benchmark तुलना: Claude Opus 4.8 (medium) स्कोअर मध्ये 8.8 सह आघाडीवर आहे. Claude Sonnet 4.6 (medium) विश्वसनीयता मध्ये 10.0 सह आघाडीवर आहे. GLM 5.2 (medium) चे एकूण खर्च सर्वात कमी आहे: $0.281. Claude Sonnet 5 (medium) 12.54s वर सर्वात जलद आहे.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-29

तुलना केलेली मॉडेल्स

क्रमांक
#108
एकूण आउटपुट टोकन्स
120,427
प्रतिसाद वेळ (सरासरी)
28.08s
एकूण खर्च
$2.126
क्रमांक
#85
एकूण आउटपुट टोकन्स
63,204
प्रतिसाद वेळ (सरासरी)
12.54s
एकूण खर्च
$0.922
क्रमांक
#51
एकूण आउटपुट टोकन्स
51,927
प्रतिसाद वेळ (सरासरी)
12.97s
एकूण खर्च
$1.983
क्रमांक
#106
एकूण आउटपुट टोकन्स
61,761
प्रतिसाद वेळ (सरासरी)
23.28s
एकूण खर्च
$0.281
शिफारस केलेले मॉडेल Claude Opus 4.8 (medium)

It has the best score here (8.8), while responding about 1.6x faster than या तुलनेतील इतर मॉडेल.

तपशीलवार तुलना

मेट्रिक Claude Sonnet 4.6 Claude Sonnet 4.6 medium प्रकाशन: 2026-02-17 Claude Sonnet 5 Claude Sonnet 5 medium प्रकाशन: 2026-06-30 Claude Opus 4.8 Claude Opus 4.8 medium प्रकाशन: 2026-05-28 GLM 5.2 GLM 5.2 medium प्रकाशन: 2026-06-17
स्कोअर 7.8 8.2 8.8 7.8
क्रमांक #108 #85 #51 #106
विश्वसनीयता 10.0 10.0 10.0 9.5
सुसंगतता 9.5 9.0 9.2 8.0
प्रयत्न 66/66 66/66 66/66 63/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 65.2% 75.8% 83.3% 80.3%
अस्थिर चाचण्या 1 3 2 4
एकूण रन 66 66 66 63
प्रति निकाल खर्च 15.182 6.144 11.662 2.159
एकूण खर्च $2.126 $0.922 $1.983 $0.281
इनपुट किंमत $3.000 / 1M $2.000 / 1M $5.000 / 1M $0.234 / 1M
आउटपुट किंमत $15.000 / 1M $10.000 / 1M $25.000 / 1M $4.400 / 1M
एकूण इनपुट टोकन्स 106,316 145,953 138,448 37,199
आउटपुट टोकन्स 79,338 52,330 40,765 12,261
रिझनिंग टोकन्स 41,089 10,874 11,162 49,500
प्रतिसाद वेळ (सरासरी) 28.08s 12.54s 12.97s 23.28s
प्रतिसाद वेळ (कमाल) 140.96s 66.71s 70.54s 101.36s
प्रतिसाद वेळ (एकूण) 421.15s 275.90s 285.29s 488.94s
पॅरामीटर्स ~1T एकूण (~100B सक्रिय) ~1T एकूण (~100B सक्रिय) ~5T एकूण (~500B सक्रिय) 744B एकूण (40B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत बंद स्रोत मुक्त स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#108 Claude Sonnet 4.6

medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok

#85 Claude Sonnet 5

medium
खर्च
$0.007
वेळ
6.4s
टोकन्स
832 tok

#51 Claude Opus 4.8

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

#106 GLM 5.2

medium
खर्च
$0.041
वेळ
195.8s
टोकन्स
9,287 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 Sonnet 4.6 5.7 6.6 44.4% 1 33.29s 6,995 16,089 3,686
Claude Sonnet 5 9.0 7.9 88.9% 1 17.28s 10,590 13,153 2,379
Claude Opus 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GLM 5.2 8.2 7.2 88.9% 1 40.96s 7,317 1,475 17,123

झटपट तुलना

तुलना जोडी बदला

Claude Sonnet 5mediumvsMuse Spark 1.3lowClaude Opus 4.8mediumvsGemini 3.5 Flash LitehighClaude Opus 4.8mediumvsGemini 3.6 FlashlowClaude Opus 4.8mediumvsGLM 5.3 FlashmaxQwen3.8 27BlowvsGLM 5.2mediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Sonnet 4.6mediumvsQwen3.8 27BlowGPT-5.2 ChatnonevsGLM 5.2mediumClaude Sonnet 4.6mediumvsQwen3.7 FlashhighKimi K3maxvsGLM 5.2mediumClaude Opus 4.8mediumvsMuse Spark 1.2highClaude Opus 4.8lowvsGLM 5.2medium