Navigare
AI BENCHY
Compară Grafice
❤️ Made by XCS
Your ad here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs Google: Gemini 3.1 Pro Preview

Nume model:

Benchmark-urile au fost generate din suitele de teste AI BENCHY la : 2026-02-27 15:16

Rezumat

Metrică Anthropic: Claude Opus 4.6 medium Lansare: Data lansării necunoscută Google: Gemini 3.1 Pro Preview medium Lansare: Data lansării necunoscută
Rang #20 #2
Scor 6.07 9.36
Consistență 8.80 10.00
Cost per rezultat 10.992 2.443
Cost total $0.880 $0.318
Teste corecte
Teste greșite 6 1
Rată de trecere pe încercare 61.9% 92.9%
Teste instabile 2 0
Tokenuri de ieșire 19,576 1,000
Tokenuri de raționament 11,081 22,936

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 4.00 4.41 55.6% 2 897 1,000
Google: Gemini 3.1 Pro Preview 10.00 10.00 100.0% 0 106 2,533
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 10.00 10.00 100.0% 0 668 763
Google: Gemini 3.1 Pro Preview 10.00 10.00 100.0% 0 292 3,164
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 1.00 10.00 0.0% 0 16,328 7,928
Google: Gemini 3.1 Pro Preview 7.00 10.00 66.7% 0 18 10,688
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 9.50 9.99 100.0% 0 266 468
Google: Gemini 3.1 Pro Preview 10.00 10.00 100.0% 0 72 2,436
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 7.00 10.00 66.7% 0 556 593
Google: Gemini 3.1 Pro Preview 10.00 10.00 100.0% 0 238 3,133
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 10.00 10.00 100.0% 0 861 329
Google: Gemini 3.1 Pro Preview 10.00 10.00 100.0% 0 274 982

Schimbă perechea de comparație

Compară Anthropic: Claude Opus 4.6 cu...

Compară Google: Gemini 3.1 Pro Preview cu...