Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Google: Gemini 3.5 Flash

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-28

Metrică Claude Opus 4.8 Claude Opus 4.8 medium Lansare: 2026-05-28 Gemini 3.5 Flash Gemini 3.5 Flash minimal Lansare: 2026-05-19
Scor 8.7 7.9
Rang #12 #26
Fiabilitate 10.0 10.0
Consistență 9.6 9.6
Teste corecte
Rată de trecere pe încercare 83.3% 71.7%
Teste instabile 1 1
Rulări totale 60 60
Cost per rezultat 6.285 0.734
Cost total $1.006 $0.103
Preț de intrare $5.000 / 1M $1.500 / 1M
Preț de ieșire $25.000 / 1M $9.000 / 1M
Tokenuri de ieșire 23,201 5,271
Tokenuri de raționament 5,901 0
Timp de răspuns (mediu) 9.34s 1.58s
Timp de răspuns (maxim) 38.03s 5.51s
Timp de răspuns (total) 186.84s 31.55s

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 4.8 10.0 10.0 100.0% 0 3.95s 1,179 478
Gemini 3.5 Flash 6.5 10.0 50.0% 0 892ms 405 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 4.8 10.0 10.0 100.0% 0 14.97s 6,651 1,381
Gemini 3.5 Flash 7.0 9.8 50.0% 0 3.39s 3,450 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 4.8 9.8 10.0 100.0% 0 38.03s 5,260 1,588
Gemini 3.5 Flash 3.0 10.0 0.0% 0 3.56s 404 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 4.8 7.1 5.6 83.3% 1 12.29s 481 312
Gemini 3.5 Flash 10.0 10.0 100.0% 0 1.66s 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 4.8 5.3 10.0 33.3% 0 14.15s 7,477 900
Gemini 3.5 Flash 10.0 10.0 100.0% 0 899ms 12 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 4.8 10.0 10.0 100.0% 0 2.46s 237 0
Gemini 3.5 Flash 10.0 10.0 100.0% 0 922ms 117 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 4.8 10.0 10.0 100.0% 0 3.32s 373 320
Gemini 3.5 Flash 6.4 5.8 66.7% 1 893ms 76 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 4.8 10.0 10.0 100.0% 0 3.95s 791 483
Gemini 3.5 Flash 10.0 10.0 100.0% 0 1.45s 282 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 4.8 10.0 10.0 100.0% 0 8.96s 301 225
Gemini 3.5 Flash 10.0 10.0 100.0% 0 2.79s 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 4.8 3.0 10.0 0.0% 0 6.14s 451 214
Gemini 3.5 Flash 3.0 10.0 0.0% 0 1.76s 12 0

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.5 FlashminimalvsQwen3.5-27BmediumClaude Opus 4.8mediumvsGemini 3 Flash PreviewlowGemini 3.5 FlashminimalvsQwen3.7 MaxnoneGemini 3.5 FlashminimalvsGPT-5.4mediumGemini 3.5 FlashminimalvsGLM 5 TurbomediumGemini 3.5 FlashminimalvsGPT-5.2 ChatnoneSeed-2.0-LitemediumvsGemini 3.5 FlashminimalGemini 3.5 FlashminimalvsQwen3.5 Plus 2026-02-15mediumGemini 3.5 FlashminimalvsQwen3.6 35B A3BmediumGemini 3.5 FlashminimalvsGrok 4.3mediumGemini 3.5 FlashminimalvsQwen3.6 PlusmediumClaude Opus 4.8mediumvsGemini 3.5 Flashnone