Navigare
AI BENCHY
Advertise here

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 none Lansare: 2025-12-17
Scor 8.7 7.7
Rang #12 #42
Fiabilitate 10.0 10.0
Consistență 9.6 9.2
Teste corecte
Rată de trecere pe încercare 83.3% 70.0%
Teste instabile 1 2
Rulări totale 60 60
Cost per rezultat 6.285 0.175
Cost total $1.006 $0.023
Preț de intrare $5.000 / 1M $0.500 / 1M
Preț de ieșire $25.000 / 1M $3.000 / 1M
Tokenuri de ieșire 23,201 1,879
Tokenuri de raționament 5,901 0
Timp de răspuns (mediu) 9.34s 1.70s
Timp de răspuns (maxim) 38.03s 3.56s
Timp de răspuns (total) 186.84s 22.05s

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 8.3 10.0 75.0% 0 1.25s 214 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 Flash Preview 6.8 10.0 50.0% 0 2.19s 447 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 Flash Preview 4.7 1.6 66.7% 1 3.56s 350 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 1.41s 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 Flash Preview 7.7 10.0 66.7% 0 963ms 18 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 Flash Preview 10.0 10.0 100.0% 0 1.13s 104 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 Flash Preview 6.4 5.8 66.7% 1 1.58s 74 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 Flash Preview 7.7 10.0 66.7% 0 1.05s 144 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 Flash Preview 10.0 10.0 100.0% 0 3.35s 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 Flash Preview 3.0 10.0 0.0% 0 1.07s 15 0

Comparație rapidă

Schimbă perechea de comparație