Modele comparate

Comparație benchmark Claude Opus 4.6 (medium) vs Claude Sonnet 4.6 (medium) vs GPT-5.3-Codex (medium) vs Gemini 3.1 Pro Preview (medium): GPT-5.3-Codex (medium) conduce la Scor cu 9.1. Claude Opus 4.6 (medium) conduce la Fiabilitate cu 10.0. GPT-5.3-Codex (medium) are cel mai mic Cost total, $1.318. GPT-5.3-Codex (medium) are cel mai rapid timp de răspuns, 18.87s.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-10-06

Modele comparate

Rang: #228
Total tokenuri de ieșire: 96,722
Timp de răspuns (mediu): 32.23s
Cost total: $2.961

Rang: #212
Total tokenuri de ieșire: 120,427
Timp de răspuns (mediu): 28.08s
Cost total: $2.126

Rang: #34
Total tokenuri de ieșire: 66,287
Timp de răspuns (mediu): 18.87s
Cost total: $1.318

Rang: #71
Total tokenuri de ieșire: 102,691
Timp de răspuns (mediu): 22.71s
Cost total: $1.585

Model recomandat GPT-5.3-Codex (medium)

Are cel mai bun scor aici (9.1) și costă de aproximativ 1.7x mai puțin decât celelalte modele din această comparație.

Comparație detaliată

Metrică	Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Lansare: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium Lansare: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Lansare: 2026-02-19

Metrică	Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium Lansare: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium Lansare: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Lansare: 2026-02-19
Scor	6.3	6.4	9.1	8.4
Rang	#228	#212	#34	#71
Fiabilitate	10.0	10.0	10.0	9.8
Consistență	8.5	9.1	8.6	9.6
Încercări	66/69	66/69	69/69	69/69
Teste corecte
Rată de trecere pe încercare	60.9%	62.3%	84.1%	89.9%
Teste instabile	3	1	4	1
Rulări totale	66	66	69	69
Cost per rezultat	22.777	15.182	7.753	7.924
Cost total	$2.961	$2.126	$1.318	$1.585
Preț de intrare	$5.000 / 1M	$3.000 / 1M	$1.750 / 1M	$2.000 / 1M
Preț de ieșire	$25.000 / 1M	$15.000 / 1M	$14.000 / 1M	$12.000 / 1M
Preț citire cache	$0.500 / 1M	$0.300 / 1M	$0.175 / 1M	$0.200 / 1M
Preț scriere cache	$6.250 / 1M	$3.750 / 1M	N/D	$0.375 / 1M
Total tokenuri de intrare	108,573	106,316	222,794	176,208
Tokenuri de ieșire	69,994	79,338	7,357	6,093
Tokenuri de raționament	26,728	41,089	58,930	96,598
Timp de răspuns (mediu)	32.23s	28.08s	18.87s	22.71s
Timp de răspuns (maxim)	151.51s	140.96s	100.93s	88.68s
Timp de răspuns (total)	515.65s	421.15s	433.94s	386.11s
Parametri	~5T în total (~500B activi)	~1T în total (~100B activi)	~1.2T în total (~80B activi)	~1.2T în total (~20B activi)
Disponibilitate	Închis	Închis	Închis	Închis

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Prezentare generare modele

Hamster playing table tennis

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

#228 Claude Opus 4.6

medium

Reached the allocated time limit (300 seconds) without receiving showcase output.

Cost: $0.000
Timp: 300.0s
Tokenuri: 0 tok

#212 Claude Sonnet 4.6

medium

Reached the allocated time limit (300 seconds) without receiving showcase output.

Cost: $0.000
Timp: 300.0s
Tokenuri: 0 tok

#34 GPT-5.3-Codex

medium

Cost: $0.049
Timp: 54.9s
Tokenuri: 3,580 tok

#71 Gemini 3.1 Pro Preview

medium

Cost: $0.115
Timp: 87.2s
Tokenuri: 9,629 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Categorie:

Sarcini agentice	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	0.0	0.0	0.0%	0	0ms	0	0	0
Claude Sonnet 4.6	0.0	0.0	0.0%	0	0ms	0	0	0
GPT-5.3-Codex	10.0	10.0	100.0%	0	61.91s	141,607	1,099	4,814
Gemini 3.1 Pro Preview	4.7	1.6	66.7%	1	56.17s	83,912	861	4,592

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	6.4	5.8	66.7%	2	7.45s	840	986	1,071
Claude Sonnet 4.6	6.5	10.0	50.0%	0	2.98s	789	1,046	1,093
GPT-5.3-Codex	8.7	7.9	91.7%	1	4.16s	606	240	1,722
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	7.90s	498	112	3,218

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	5.7	7.1	44.4%	1	30.10s	8,522	13,057	4,121
Claude Sonnet 4.6	5.7	6.6	44.4%	1	33.29s	6,995	16,089	3,686
GPT-5.3-Codex	10.0	10.0	100.0%	0	19.50s	7,302	535	10,890
Gemini 3.1 Pro Preview	7.9	9.9	66.7%	0	40.17s	8,124	435	41,247

Combinat	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	10.0	10.0	100.0%	114.08s	76,073	33,018	9,509
Claude Sonnet 4.6	10.0	10.0	100.0%	93.65s	75,531	31,916	9,109
GPT-5.3-Codex	10.0	10.0	100.0%	26.04s	57,988	4,258	5,816
Gemini 3.1 Pro Preview	9.8	10.0	100.0%	40.39s	67,910	3,687	23,111

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	10.0	10.0	100.0%	7.37s	8,676	691	757
Claude Sonnet 4.6	10.0	10.0	100.0%	13.90s	8,676	649	742
GPT-5.3-Codex	10.0	10.0	100.0%	3.07s	7,140	234	728
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.72s	7,265	279	3,904

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	3.0	10.0	0.0%	0	42.53s	632	12,350	7,100
Claude Sonnet 4.6	3.0	10.0	0.0%	0	58.37s	495	24,380	22,891
GPT-5.3-Codex	5.9	7.2	55.6%	1	63.93s	732	71	30,150
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	20.29s	644	18	11,704

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	10.0	10.0	100.0%	5.04s	564	188	292
Claude Sonnet 4.6	10.0	10.0	100.0%	4.94s	564	256	433
GPT-5.3-Codex	4.6	10.0	0.0%	4.87s	477	187	331
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	11.77s	490	108	1,179

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	10.0	10.0	100.0%	2.43s	792	266	467
Claude Sonnet 4.6	10.0	10.0	100.0%	2.61s	792	318	552
GPT-5.3-Codex	10.0	10.0	100.0%	3.04s	660	93	693
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	9.56s	621	72	2,236

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	7.7	10.0	66.7%	0	4.71s	816	532	630
Claude Sonnet 4.6	10.0	10.0	100.0%	0	5.31s	816	592	646
GPT-5.3-Codex	9.0	7.9	88.9%	1	5.05s	642	356	1,593
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.90s	570	235	3,128

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	10.0	10.0	100.0%	9.73s	11,454	861	329
Claude Sonnet 4.6	10.0	10.0	100.0%	7.48s	11,454	655	351
GPT-5.3-Codex	10.0	10.0	100.0%	6.37s	5,445	254	492
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	23.15s	6,018	274	982

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.6	3.0	10.0	0.0%	0	63.24s	204	8,045	2,452
Claude Sonnet 4.6	3.0	10.0	0.0%	0	30.09s	204	3,437	1,586
GPT-5.3-Codex	2.8	1.6	33.3%	1	14.43s	195	30	1,701
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.27s	156	12	1,297

Comparație rapidă

Schimbă perechea de comparație

GPT-5.3-CodexmediumvsQwen3.8 Max (0902)high Muse Spark 1.3highvsGPT-5.3-Codexmedium Gemini 3.1 Pro PreviewmediumvsInklinghighDisponibil gratuit Gemini 3.1 Pro PreviewmediumvsMuse Glimmer 30Bxhigh Gemini 3.1 Pro PreviewmediumvsMuse Spark 1.1high Gemini 3.1 Pro PreviewmediumvsQwen3.8 2.4T A95Blow GPT-5.3-CodexmediumvsParetodefault Seed 2.1 TurbohighvsGPT-5.3-Codexmedium DeepSeek V4 Flash 0731highvsGemini 3.1 Pro Previewmedium Claude Sonnet 5.5maxvsGPT-5.3-Codexmedium Gemini 3.1 Pro PreviewmediumvsGLM 5.2high Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Terrahigh