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 Sonnet 4.6 vs OpenAI: GPT-5.2 Chat

GPT-5.2 Chat average score मध्ये पुढे आहे: 8.0 vs 7.8. GPT-5.2 Chat चा benchmark खर्च कमी आहे: $0.604 vs $2.057. GPT-5.2 Chat वेगवान आहे: 7.65s vs 25.91s, pass rates 66.7% vs 74.2%.

शिफारस केलेले मॉडेलGPT-5.2 ChatIt has the best score here (8.0), while costing about 3.4x less than Claude Sonnet 4.6 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक Claude Sonnet 4.6 Claude Sonnet 4.6 medium प्रकाशन: 2026-02-17 GPT-5.2 Chat GPT-5.2 Chat none प्रकाशन: 2025-12-11
स्कोअर 7.8 8.0
क्रमांक #38 #29
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 8.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 66.7% 74.2%
अस्थिर चाचण्या 2 4
एकूण रन 66 66
प्रति निकाल खर्च 14.692 4.308
एकूण खर्च $2.057 $0.604
इनपुट किंमत $3.000 / 1M $1.750 / 1M
आउटपुट किंमत $15.000 / 1M $14.000 / 1M
एकूण इनपुट टोकन्स 106,292 101,248
आउटपुट टोकन्स 80,748 30,424
रिझनिंग टोकन्स 35,117 0
प्रतिसाद वेळ (सरासरी) 25.91s 7.65s
प्रतिसाद वेळ (कमाल) 140.96s 38.52s
प्रतिसाद वेळ (एकूण) 362.78s 168.39s

Hamster playing table tennis

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

#38 Claude Sonnet 4.6

medium
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok

#29 GPT-5.2 Chat

none
खर्च
$0.010
वेळ
15.3s
टोकन्स
797 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
GPT-5.2 Chat 8.8 7.8 88.9% 1 9.82s 7,305 6,731 0

झटपट तुलना

तुलना जोडी बदला