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

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs Google: Gemini 2.5 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-07

Metrică Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05 Gemini 2.5 Flash Gemini 2.5 Flash medium Lansare: 2025-06-17
Scor 7.5 8.1
Rang #35 #17
Consistență 9.0 9.5
Teste corecte
Rată de trecere pe încercare 68.6% 74.5%
Teste instabile 2 1
Rulări totale 51 51
Cost per rezultat 11.973 2.430
Cost total $1.317 $0.292
Preț de intrare $5.000 / 1M $0.300 / 1M
Preț de ieșire $25.000 / 1M $2.500 / 1M
Tokenuri de ieșire 26,343 1,376
Tokenuri de raționament 17,434 111,923
Timp de răspuns (mediu) 20.87s 11.88s
Timp de răspuns (maxim) 83.40s 95.48s
Timp de răspuns (total) 208.73s 201.89s

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
Gemini 2.5 Flash 8.4 10.0 75.0% 0 6.30s 255 10,233
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
Gemini 2.5 Flash 10.0 10.0 100.0% 0 28.44s 303 11,922
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
Gemini 2.5 Flash 10.0 10.0 100.0% 0 4.06s 279 2,325
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
Gemini 2.5 Flash 5.9 7.2 55.6% 1 37.34s 18 80,702
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
Gemini 2.5 Flash 4.8 10.0 0.0% 0 4.86s 92 1,899
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
Gemini 2.5 Flash 9.8 10.0 100.0% 0 2.62s 69 1,203
Puzzle Solving 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
Gemini 2.5 Flash 7.7 10.0 66.7% 0 3.94s 126 2,499
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
Gemini 2.5 Flash 10.0 10.0 100.0% 0 6.20s 234 1,140

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneClaude Opus 4.6mediumvsGemma 4 31BnoneDisponibil gratuitClaude Opus 4.6mediumvsGLM 5noneClaude Sonnet 4.6nonevsGemini 2.5 FlashmediumClaude Opus 4.6mediumvsMiMo-V2-Omninone