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 3.5 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 none Lansare: 2026-05-28 Gemini 3.5 Flash Gemini 3.5 Flash low Lansare: 2026-05-19
Scor 7.3 9.3
Rang #63 #3
Fiabilitate 10.0 10.0
Consistență 9.2 10.0
Teste corecte
Rată de trecere pe încercare 65.0% 90.0%
Teste instabile 2 0
Rulări totale 60 60
Cost per rezultat 4.324 1.582
Cost total $0.519 $0.285
Preț de intrare $5.000 / 1M $1.500 / 1M
Preț de ieșire $25.000 / 1M $9.000 / 1M
Tokenuri de ieșire 8,098 2,027
Tokenuri de raționament 0 23,938
Timp de răspuns (mediu) 3.51s 2.98s
Timp de răspuns (maxim) 17.73s 6.44s
Timp de răspuns (total) 70.19s 59.59s

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 6.5 10.0 50.0% 0 3.40s 1,472 0
Gemini 3.5 Flash 10.0 10.0 100.0% 0 2.52s 209 2,536
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 6.8 10.0 50.0% 0 3.59s 1,323 0
Gemini 3.5 Flash 6.8 10.0 50.0% 0 5.54s 452 6,839
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 9.5 10.0 100.0% 0 17.73s 3,259 0
Gemini 3.5 Flash 10.0 10.0 100.0% 0 6.44s 351 3,050
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 7.3 5.8 83.3% 1 1.77s 308 0
Gemini 3.5 Flash 10.0 10.0 100.0% 0 1.81s 279 1,164
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 7.2 44.4% 1 1.66s 61 0
Gemini 3.5 Flash 7.7 10.0 66.7% 0 3.39s 12 4,538
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 3.48s 230 0
Gemini 3.5 Flash 10.0 10.0 100.0% 0 2.27s 119 916
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 9.9 10.0 100.0% 0 1.37s 95 0
Gemini 3.5 Flash 9.9 10.0 100.0% 0 1.86s 71 1,652
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 7.7 10.0 66.7% 0 2.74s 783 0
Gemini 3.5 Flash 10.0 10.0 100.0% 0 2.35s 288 2,150
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 5.35s 355 0
Gemini 3.5 Flash 10.0 10.0 100.0% 0 3.27s 234 403
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 3.41s 212 0
Gemini 3.5 Flash 10.0 10.0 100.0% 0 1.88s 12 690

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8nonevsQwen3.5-35B-A3BmediumClaude Opus 4.8nonevsRing-2.6-1TmediumClaude Opus 4.8nonevsGPT-5.4 MinimediumClaude Opus 4.8nonevsGPT-5.2mediumClaude Opus 4.8nonevsGLM 5V TurbomediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsGPT-5 MinimediumClaude Opus 4.8nonevsKimi K2.6mediumDisponibil gratuitClaude Opus 4.8nonevsMiMo-V2.5mediumClaude Opus 4.8nonevsGLM 5.1mediumClaude Opus 4.8nonevsGemini 3.1 Flash Litelow