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 Google: Gemini 3.1 Flash Lite Preview

average score जवळपास समान आहे: 7.3 vs 7.3. Gemini 3.1 Flash Lite Preview (medium) चा benchmark खर्च कमी आहे: $0.115 vs $0.661. Gemini 3.1 Flash Lite Preview (medium) वेगवान आहे: 4.61s vs 8.12s, pass rates 57.6% vs 59.1%.

शिफारस केलेले मॉडेलGemini 3.1 Flash Lite Preview (medium)It has the best score here (7.3), while costing about 5.7x less than Claude Sonnet 4.6.

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

मेट्रिक Claude Sonnet 4.6 Claude Sonnet 4.6 none प्रकाशन: 2026-02-17 Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium प्रकाशन: 2026-03-03
स्कोअर 7.3 7.3
क्रमांक #60 #61
विश्वसनीयता 10.0 10.0
सुसंगतता 9.7 9.9
बरोबर चाचण्या
प्रति प्रयत्न पास दर 57.6% 59.1%
अस्थिर चाचण्या 1 0
एकूण रन 66 66
प्रति निकाल खर्च 5.502 0.884
एकूण खर्च $0.661 $0.115
इनपुट किंमत $3.000 / 1M $0.250 / 1M
आउटपुट किंमत $15.000 / 1M $1.500 / 1M
एकूण इनपुट टोकन्स 123,264 117,480
आउटपुट टोकन्स 19,362 10,589
रिझनिंग टोकन्स 0 46,394
प्रतिसाद वेळ (सरासरी) 8.12s 4.61s
प्रतिसाद वेळ (कमाल) 51.18s 18.34s
प्रतिसाद वेळ (एकूण) 121.78s 101.39s

Hamster playing table tennis

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

#60 Claude Sonnet 4.6

none
खर्च
$0.038
वेळ
27.3s
टोकन्स
2,598 tok

#61 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

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Sonnet 4.6 5.5 10.0 33.3% 0 5.19s 8,522 2,127 0
Gemini 3.1 Flash Lite Preview 5.5 10.0 33.3% 0 4.09s 8,126 461 8,597

झटपट तुलना

तुलना जोडी बदला