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 none Lansare: 2026-05-28 Gemini 3 Flash Preview Gemini 3 Flash Preview medium Lansare: 2025-12-17
Scor 7.3 9.8
Rang #63 #1
Fiabilitate 10.0 10.0
Consistență 9.2 9.6
Teste corecte
Rată de trecere pe încercare 65.0% 98.3%
Teste instabile 2 1
Rulări totale 60 60
Cost per rezultat 4.324 2.980
Cost total $0.519 $0.567
Preț de intrare $5.000 / 1M $0.500 / 1M
Preț de ieșire $25.000 / 1M $3.000 / 1M
Tokenuri de ieșire 8,098 2,000
Tokenuri de raționament 0 181,033
Timp de răspuns (mediu) 3.51s 16.50s
Timp de răspuns (maxim) 17.73s 117.26s
Timp de răspuns (total) 70.19s 330.06s

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 Flash Preview 10.0 10.0 100.0% 0 3.88s 330 3,216
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 Flash Preview 7.9 6.4 83.3% 1 95.96s 456 127,964
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 Flash Preview 10.0 10.0 100.0% 0 22.42s 351 10,485
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 Flash Preview 10.0 10.0 100.0% 0 5.43s 279 4,893
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 Flash Preview 10.0 10.0 100.0% 0 15.27s 12 21,684
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 Flash Preview 10.0 10.0 100.0% 0 5.19s 72 1,905
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 Flash Preview 10.0 10.0 100.0% 0 4.04s 72 2,709
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 Flash Preview 10.0 10.0 100.0% 0 4.05s 183 4,365
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 Flash Preview 10.0 10.0 100.0% 0 12.60s 234 1,487
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 Flash Preview 10.0 10.0 100.0% 0 5.50s 11 2,325

Comparație rapidă

Schimbă perechea de comparație