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 3.1 Flash Lite

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-19

Metrică Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05 Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite minimal Lansare: 2026-05-08
Scor 7.4 6.8
Rang #57 #75
Fiabilitate 10.0 10.0
Consistență 9.1 8.7
Teste corecte
Rată de trecere pe încercare 66.7% 59.7%
Teste instabile 2 3
Rulări totale 57 57
Cost per rezultat 14.243 0.111
Cost total $1.710 $0.012
Preț de intrare $5.000 / 1M $0.250 / 1M
Preț de ieșire $25.000 / 1M $1.500 / 1M
Tokenuri de ieșire 37,874 2,457
Tokenuri de raționament 21,390 0
Timp de răspuns (mediu) 24.59s 1.41s
Timp de răspuns (maxim) 83.40s 4.49s
Timp de răspuns (total) 295.08s 26.72s

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 3.1 Flash Lite 8.3 10.0 75.0% 0 1.10s 639 0
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
Gemini 3.1 Flash Lite 10.0 10.0 100.0% 0 1.31s 636 0
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 3.1 Flash Lite 3.0 10.0 0.0% 0 2.53s 357 0
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 3.1 Flash Lite 10.0 10.0 100.0% 0 1.04s 279 0
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 3.1 Flash Lite 2.9 7.2 11.1% 1 1.02s 15 0
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 3.1 Flash Lite 4.0 10.0 0.0% 0 791ms 63 0
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 3.1 Flash Lite 10.0 10.0 100.0% 0 932ms 72 0
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
Gemini 3.1 Flash Lite 6.0 4.6 66.7% 2 2.15s 153 0
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 3.1 Flash Lite 10.0 10.0 100.0% 0 3.51s 234 0
Cultură 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 3.0 10.0 0.0% 0 63.24s 8,045 2,452
Gemini 3.1 Flash Lite 3.0 10.0 0.0% 0 724ms 9 0

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.1 Flash LiteminimalvsKimi K2.5mediumGemini 3.1 Flash LiteminimalvsGPT-5 MinimediumGemini 3.1 Flash LiteminimalvsQwen3.6 27BmediumGemini 3.1 Flash LiteminimalvsGrok 4.20mediumDeepSeek V4 ProhighvsGemini 3.1 Flash LiteminimalGemini 3.1 Flash LiteminimalvsGPT-5.5noneClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneClaude Opus 4.6mediumvsRing-2.6-1TnoneClaude Opus 4.6mediumvsDeepSeek V4 FlashhighDisponibil gratuitClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash LitelowClaude Opus 4.6mediumvsGPT-5.2 Chatnone