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

तुलना केलेली मॉडेल्स

GPT-6 Astra (high) vs Gemini 3.8 Flash (high) vs Claude Fable 5.1 (high) benchmark तुलना: Gemini 3.8 Flash (high) स्कोअर मध्ये 9.9 सह आघाडीवर आहे. Gemini 3.8 Flash (high) विश्वसनीयता मध्ये 10.0 सह आघाडीवर आहे. Gemini 3.8 Flash (high) चे एकूण खर्च सर्वात कमी आहे: $1.595. Claude Fable 5.1 (high) 13.59s वर सर्वात जलद आहे.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-04

क्रमांक
#4
एकूण आउटपुट टोकन्स
53,622
प्रतिसाद वेळ (सरासरी)
18.65s
एकूण खर्च
$3.474
क्रमांक
#2
एकूण आउटपुट टोकन्स
408,188
प्रतिसाद वेळ (सरासरी)
37.19s
एकूण खर्च
$1.595
क्रमांक
#25
एकूण आउटपुट टोकन्स
40,071
प्रतिसाद वेळ (सरासरी)
13.59s
एकूण खर्च
$3.364
शिफारस केलेले मॉडेल Gemini 3.8 Flash (high)

It has the best score here (9.9), while costing about 2.1x less than या तुलनेतील इतर मॉडेल.

तपशीलवार तुलना

मेट्रिक GPT-6 Astra GPT-6 Astra high प्रकाशन: 2026-09-04 Gemini 3.8 Flash Gemini 3.8 Flash high प्रकाशन: 2026-09-02 Claude Fable 5.1 Claude Fable 5.1 high प्रकाशन: 2026-09-02
स्कोअर 9.9 9.9 9.0
क्रमांक #4 #2 #25
विश्वसनीयता 9.9 10.0 10.0
सुसंगतता 9.6 9.6 9.6
प्रयत्न 66/66 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 97.0% 98.5% 89.4%
अस्थिर चाचण्या 1 1 1
एकूण रन 66 66 66
प्रति निकाल खर्च 16.543 7.592 17.701
एकूण खर्च $3.474 $1.595 $3.364
इनपुट किंमत $10.000 / 1M $0.750 / 1M $10.000 / 1M
आउटपुट किंमत $50.000 / 1M $3.750 / 1M $50.000 / 1M
एकूण इनपुट टोकन्स 79,290 84,593 135,958
आउटपुट टोकन्स 4,847 10,517 7,930
रिझनिंग टोकन्स 48,775 397,671 32,141
प्रतिसाद वेळ (सरासरी) 18.65s 37.19s 13.59s
प्रतिसाद वेळ (कमाल) 254.93s 177.08s 40.17s
प्रतिसाद वेळ (एकूण) 410.28s 818.19s 298.90s
पॅरामीटर्स ~2T एकूण (~150B सक्रिय) ~500B एकूण (~20B सक्रिय) ~9.5T एकूण (~878B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#4 GPT-6 Astra

high
खर्च
$0.457
वेळ
176.7s
टोकन्स
9,218 tok

#2 Gemini 3.8 Flash

high
खर्च
$0.077
वेळ
129.1s
टोकन्स
20,373 tok

#25 Claude Fable 5.1

high
खर्च
$0.384
वेळ
102.5s
टोकन्स
7,824 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
GPT-6 Astra 10.0 10.0 100.0% 0 5.86s 7,302 392 2,387
Gemini 3.8 Flash 10.0 10.0 100.0% 0 29.30s 8,118 462 50,196
Claude Fable 5.1 8.4 7.4 88.9% 1 13.91s 10,608 520 6,503

झटपट तुलना

तुलना जोडी बदला