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

Rezumat

Comparație benchmark Claude Opus 4.6 vs Gemini 2.5 Flash: Gemini 2.5 Flash conduce la scorul mediu cu 8.2 vs 7.7. Gemini 2.5 Flash are costul de benchmark mai mic, $0.379 vs $2.053. Gemini 2.5 Flash este mai rapid cu 15.49s vs 25.89s, cu rate de reușită de 61.9% vs 69.8%.

Model recomandat: Gemini 2.5 Flash - Are cel mai bun scor aici (8.2) și costă de aproximativ 5.4x mai puțin decât Claude Opus 4.6.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-02

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 7.7 8.2
Rang #40 #24
Fiabilitate 10.0 10.0
Consistență 8.8 9.6
Teste corecte
Rată de trecere pe încercare 61.9% 69.8%
Teste instabile 3 1
Rulări totale 63 63
Cost per rezultat 17.103 2.701
Cost total $2.053 $0.379
Preț de intrare $5.000 / 1M $0.300 / 1M
Preț de ieșire $25.000 / 1M $2.500 / 1M
Total tokenuri de intrare 53,227 34,476
Tokenuri de ieșire 47,446 1,930
Tokenuri de raționament 24,000 145,145
Timp de răspuns (mediu) 25.89s 15.49s
Timp de răspuns (maxim) 83.40s 95.48s
Timp de răspuns (total) 362.49s 325.39s

Prezentare generare

Hamster playing table tennis

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

#40 Claude Opus 4.6

medium
SVG invalid
Cost
$0.000
Timp
300.0s
Tokenuri
0 tok

#24 Gemini 2.5 Flash

medium
SVG invalid
Cost
$0.000
Timp
274.0s
Tokenuri
0 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

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte 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
Gemini 2.5 Flash 8.4 10.0 75.0% 0 6.30s 492 255 10,233
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte 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
Gemini 2.5 Flash 7.8 10.0 66.7% 0 41.01s 6,669 543 32,303
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Gemini 2.5 Flash 10.0 10.0 100.0% 0 28.44s 12,522 303 11,922
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Gemini 2.5 Flash 10.0 10.0 100.0% 0 4.06s 7,257 279 2,325
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte 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
Gemini 2.5 Flash 5.9 7.2 55.6% 1 37.34s 633 18 80,702
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Gemini 2.5 Flash 4.8 10.0 0.0% 0 4.86s 486 92 1,899
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Gemini 2.5 Flash 9.8 10.0 100.0% 0 2.62s 615 69 1,203
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte 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
Gemini 2.5 Flash 7.7 10.0 66.7% 0 3.18s 558 126 2,499
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Gemini 2.5 Flash 10.0 10.0 100.0% 0 6.20s 5,088 234 1,140
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte 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
Gemini 2.5 Flash 3.0 10.0 0.0% 0 2.76s 156 11 919

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.6mediumvsStep 3.7 FlashlowDeepSeek V4 FlashhighvsGemini 2.5 FlashmediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighClaude Opus 4.6mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsGemini 3 Flash PreviewlowClaude Opus 4.8lowvsGemini 2.5 FlashmediumClaude Opus 4.6mediumvsDeepSeek V4 PrononeGemini 2.5 FlashmediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsQwen3.7 PlusnoneClaude Opus 4.6mediumvsDeepSeek V4 FlashhighClaude Opus 4.6mediumvsGLM 5.2none