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): Gemini 3.1 Pro Preview (medium) conduce la Scor cu 9.2. Claude Opus 4.6 (medium) conduce la Fiabilitate cu 10.0. GPT-5.3-Codex (medium) are cel mai mic Cost total, $0.920. GPT-5.3-Codex (medium) are cel mai rapid timp de răspuns, 16.96s.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-08-07

Rang: #60
Total tokenuri de ieșire: 100,601
Timp de răspuns (mediu): 34.27s
Cost total: $3.059

Rang: #56
Total tokenuri de ieșire: 115,865
Timp de răspuns (mediu): 25.91s
Cost total: $2.057

Rang: #18
Total tokenuri de ieșire: 55,525
Timp de răspuns (mediu): 16.96s
Cost total: $0.920

Rang: #9
Total tokenuri de ieșire: 97,958
Timp de răspuns (mediu): 21.47s
Cost total: $1.361

Model recomandat GPT-5.3-Codex (medium)

Scorul rămâne aproape de cel mai bun scor de aici (8.9 vs 9.2) și costă de aproximativ 2.3x 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	7.7	7.8	8.9	9.2
Rang	#60	#56	#18	#9
Fiabilitate	10.0	10.0	10.0	10.0
Consistență	8.8	9.2	8.6	10.0
Acoperire benchmark	22/22 teste · 66/66 încercări	22/22 teste · 66/66 încercări	22/22 teste · 66/66 încercări	22/22 teste · 66/66 încercări
Teste corecte
Rată de trecere pe încercare	63.6%	66.7%	83.3%	90.9%
Teste instabile	3	2	4	0
Rulări totale	66	66	66	66
Cost per rezultat	23.524	14.692	5.748	6.801
Cost total	$3.059	$2.057	$0.920	$1.361
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
Total tokenuri de intrare	108,615	106,292	81,268	92,287
Tokenuri de ieșire	72,286	80,748	6,251	5,232
Tokenuri de raționament	28,315	35,117	49,274	92,726
Timp de răspuns (mediu)	34.27s	25.91s	16.96s	21.47s
Timp de răspuns (maxim)	151.51s	140.96s	100.93s	88.68s
Timp de răspuns (total)	513.99s	362.78s	373.19s	322.08s

Prezentare generare modele

Hamster playing table tennis

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

#60 Claude Opus 4.6

medium

SVG invalid

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

#56 Claude Sonnet 4.6

medium

SVG invalid

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

#18 GPT-5.3-Codex

medium

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

#9 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:

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	83.40s	674	14,642	8,687
Claude Sonnet 4.6	2.9	7.2	11.1%	1	0ms	471	25,790	16,919
GPT-5.3-Codex	5.9	7.2	55.6%	1	64.31s	813	64	25,308
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	32.73s	635	18	12,424

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-CodexmediumvsGrok 4.5high Claude Opus 5highvsGemini 3.1 Pro Previewmedium Claude Opus 4.6mediumvsGPT-5.6 Lunahigh Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Claude Opus 4.6mediumvsDeepSeek V4 Flashhigh Claude Sonnet 4.6mediumvsQwen3.7 Flashhigh Claude Opus 4.6mediumvsDeepSeek V4 Prohigh Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Claude Opus 4.6mediumvsQwen3.7 Flashhigh Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh Claude Sonnet 4.6mediumvsGPT-5.6 Terrahigh