Navigare
AI BENCHY
Your ad here

AI BENCHY Compare

Modele comparate

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-01

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 7.6 8.0 8.6 9.6
Rang #50 #37 #13 #2
Fiabilitate N/D N/D N/D N/D
Consistență 9.1 9.5 8.7 10.0
Teste corecte
Rată de trecere pe încercare 70.4% 74.1% 83.3% 94.4%
Teste instabile 2 1 3 0
Rulări totale 54 54 54 54
Cost per rezultat 12.047 8.930 4.405 3.400
Cost total $1.446 $1.161 $0.573 $0.578
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
Tokenuri de ieșire 29,829 42,068 2,279 1,932
Tokenuri de raționament 18,938 26,784 35,179 40,542
Timp de răspuns (mediu) 21.08s 12.66s 15.38s 15.96s
Timp de răspuns (maxim) 83.40s 46.35s 100.93s 40.61s
Timp de răspuns (total) 231.84s 126.62s 276.91s 175.52s

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

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 986 1,071
Claude Sonnet 4.6 6.5 10.0 50.0% 0 2.98s 1,046 1,093
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 240 1,722
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.90s 112 3,218
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 23.11s 3,486 1,504
Claude Sonnet 4.6 10.0 10.0 100.0% 0 35.76s 6,894 2,097
GPT-5.3-Codex 10.0 10.0 100.0% 0 8.95s 491 1,530
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 19.88s 405 4,201
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 5,871 3,962
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 364 2,731
Gemini 3.1 Pro Preview 9.5 10.0 100.0% 0 40.61s 432 9,281
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 691 757
Claude Sonnet 4.6 10.0 10.0 100.0% 0 13.90s 649 742
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 234 728
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.72s 279 3,904
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 14,642 8,687
Claude Sonnet 4.6 2.9 7.2 11.1% 1 0ms 25,790 16,919
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 64 25,308
Gemini 3.1 Pro Preview 7.7 10.0 66.7% 0 32.73s 18 12,424
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 256 433
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 187 331
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 11.77s 108 1,179
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 318 552
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 93 693
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.56s 72 2,236
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 7.7 10.0 66.7% 0 4.60s 531 637
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.80s 589 635
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.12s 352 1,644
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.15s 232 3,117
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 655 351
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 254 492
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 23.15s 274 982

Comparație rapidă

Schimbă perechea de comparație

GPT-5.3-CodexmediumvsHY3 PreviewhighDisponibil gratuitClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6mediumvsHY3 PreviewlowDisponibil gratuitClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsDeepSeek V4 FlashhighClaude Opus 4.6mediumvsDeepSeek V4 FlashhighClaude Opus 4.6mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsGPT-5.3-Codexmedium