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 4.8 vs Google: Gemini 3 Flash Preview

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 Flash Preview Gemini 3 Flash Preview low Lansare: 2025-12-17
Scor 8.7 8.6
Rang #12 #13
Fiabilitate 10.0 10.0
Consistență 9.6 9.6
Teste corecte
Rată de trecere pe încercare 83.3% 81.7%
Teste instabile 1 1
Rulări totale 60 60
Cost per rezultat 6.285 0.658
Cost total $1.006 $0.106
Preț de intrare $5.000 / 1M $0.500 / 1M
Preț de ieșire $25.000 / 1M $3.000 / 1M
Tokenuri de ieșire 23,201 2,070
Tokenuri de raționament 5,901 27,348
Timp de răspuns (mediu) 9.34s 5.81s
Timp de răspuns (maxim) 38.03s 14.72s
Timp de răspuns (total) 186.84s 116.25s

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 Flash Preview 10.0 10.0 100.0% 0 3.48s 281 3,082
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 Flash Preview 7.3 10.0 50.0% 0 6.66s 450 6,251
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 Flash Preview 3.0 10.0 0.0% 0 3.27s 326 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 Flash Preview 10.0 10.0 100.0% 0 9.40s 279 3,656
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 Flash Preview 5.3 7.2 44.4% 1 8.05s 12 6,410
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 Flash Preview 10.0 10.0 100.0% 0 3.68s 120 981
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 Flash Preview 9.9 10.0 100.0% 0 7.02s 71 2,752
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 Flash Preview 10.0 10.0 100.0% 0 5.77s 288 3,168
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 Flash Preview 10.0 10.0 100.0% 0 4.99s 234 415
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 Flash Preview 10.0 10.0 100.0% 0 2.75s 9 633

Comparație rapidă

Schimbă perechea de comparație