Modele comparate

Comparație benchmark Claude Opus 5 (high) vs GPT-5.6 Sol (high) vs Kimi K3 (max) vs Gemini 3.6 Flash (medium): Gemini 3.6 Flash (medium) conduce la Scor cu 9.8. Claude Opus 5 (high) conduce la Fiabilitate cu 10.0. Gemini 3.6 Flash (medium) are cel mai mic Cost total, $0.577. GPT-5.6 Sol (high) are cel mai rapid timp de răspuns, 13.59s.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-10-26

Modele comparate

Rang: #30
Total tokenuri de ieșire: 105,662
Timp de răspuns (mediu): 25.31s
Cost total: $4.524

Rang: #24
Total tokenuri de ieșire: 32,071
Timp de răspuns (mediu): 13.59s
Cost total: $1.595

Rang: #102
Total tokenuri de ieșire: 233,327
Timp de răspuns (mediu): 139.41s
Cost total: $3.409

Rang: #10
Total tokenuri de ieșire: 116,124
Timp de răspuns (mediu): 14.03s
Cost total: $0.577

Model recomandat Gemini 3.6 Flash (medium)

Are cel mai bun scor aici (9.8) și costă de aproximativ 5.5x mai puțin decât celelalte modele din această comparație.

Comparație detaliată

Metrică	Claude Opus 5 Claude Opus 5 high Lansare: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Lansare: 2026-07-09	Kimi K3 Kimi K3 max Lansare: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Lansare: 2026-07-21

Metrică	Claude Opus 5 Claude Opus 5 high Lansare: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Lansare: 2026-07-09	Kimi K3 Kimi K3 max Lansare: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Lansare: 2026-07-21
Scor	9.4	9.5	8.3	9.8
Rang	#30	#24	#102	#10
Fiabilitate	10.0	10.0	9.3	10.0
Consistență	10.0	8.9	9.3	9.3
Încercări	69/69	69/69	69/69	69/69
Teste corecte
Rată de trecere pe încercare	82.6%	89.9%	78.3%	95.7%
Teste instabile	0	3	2	2
Rulări totale	69	69	69	69
Cost per rezultat	23.809	8.020	23.601	4.619
Cost total	$4.524	$1.595	$3.409	$0.577
Preț de intrare	$5.000 / 1M	$2.000 / 1M	$0.830 / 1M	$0.750 / 1M
Preț de ieșire	$25.000 / 1M	$10.000 / 1M	$14.000 / 1M	$3.750 / 1M
Preț citire cache	$0.500 / 1M	$0.200 / 1M	$0.270 / 1M	$0.075 / 1M
Preț scriere cache	$6.250 / 1M	$2.500 / 1M	N/D	$0.042 / 1M
Total tokenuri de intrare	376,421	195,567	170,700	188,003
Tokenuri de ieșire	67,688	5,841	7,719	2,914
Tokenuri de raționament	37,974	26,230	225,608	113,210
Timp de răspuns (mediu)	25.31s	13.59s	139.41s	14.03s
Timp de răspuns (maxim)	159.01s	59.99s	766.58s	77.15s
Timp de răspuns (total)	582.11s	312.61s	2788.26s	322.73s
Parametri	~5T în total (~500B activi)	~2T în total (~150B activi)	2.8T în total (104B activi)	~500B în total (~20B activi)
Disponibilitate	Închis	Închis	Ponderi disponibile	Închis

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Prezentare generare modele

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#30 Claude Opus 5

high

Cost: $0.265
Timp: 144.5s
Tokenuri: 10,741 tok

#24 GPT-5.6 Sol

high

Cost: $0.151
Timp: 201.9s
Tokenuri: 5,100 tok

#102 MoonshotAI: Kimi K3

max

Cost: $0.281
Timp: 506.9s
Tokenuri: 18,863 tok

#10 Gemini 3.6 Flash

medium

Cost: $0.095
Timp: 49.9s
Tokenuri: 12,664 tok

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

Categorie:

Sarcini agentice	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	10.0	10.0	100.0%	86.99s	240,465	3,064	7,015
GPT-5.6 Sol	10.0	10.0	100.0%	59.99s	116,309	986	2,377
Kimi K3	10.0	10.0	100.0%	74.24s	135,740	4,832	4,367
Gemini 3.6 Flash	10.0	10.0	100.0%	61.77s	123,557	940	14,308

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	10.0	10.0	100.0%	0	5.91s	834	2,063	617
GPT-5.6 Sol	8.7	7.9	91.7%	1	3.39s	606	171	644
Kimi K3	10.0	10.0	100.0%	0	10.24s	1,638	496	2,629
Gemini 3.6 Flash	10.0	10.0	100.0%	0	2.54s	508	165	4,173

Programare	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	10.0	10.0	100.0%	12.73s	10,590	7,547	1,721
GPT-5.6 Sol	10.0	10.0	100.0%	12.52s	7,302	404	5,656
Kimi K3	10.0	10.0	100.0%	325.79s	8,061	460	84,012
Gemini 3.6 Flash	10.0	10.0	100.0%	14.81s	8,124	444	31,421

Combinat	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	10.0	10.0	100.0%	31.11s	98,549	10,546	2,198
GPT-5.6 Sol	10.0	10.0	100.0%	24.99s	56,154	3,298	4,866
Kimi K3	6.5	10.0	50.0%	223.03s	12,792	399	20,460
Gemini 3.6 Flash	10.0	10.0	100.0%	49.01s	40,411	405	13,351

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	10.0	10.0	100.0%	0	4.22s	10,503	488	160
GPT-5.6 Sol	10.0	10.0	100.0%	0	1.16s	7,140	222	0
Kimi K3	7.3	5.8	83.3%	1	16.72s	7,839	354	2,606
Gemini 3.6 Flash	10.0	10.0	100.0%	0	4.92s	7,457	279	5,288

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	3.0	10.0	0.0%	0	104.24s	972	40,623	24,923
GPT-5.6 Sol	5.3	7.2	44.4%	1	37.67s	628	62	10,365
Kimi K3	5.3	7.2	44.4%	1	683.62s	838	57	106,892
Gemini 3.6 Flash	5.8	4.4	66.7%	2	21.99s	648	12	31,866

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	10.0	10.0	100.0%	3.79s	708	268	0
GPT-5.6 Sol	10.0	10.0	100.0%	4.40s	477	97	238
Kimi K3	10.0	10.0	100.0%	14.91s	732	191	871
Gemini 3.6 Flash	10.0	10.0	100.0%	3.40s	492	109	1,384

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	10.0	10.0	100.0%	4.78s	909	119	361
GPT-5.6 Sol	10.0	10.0	100.0%	2.73s	660	96	331
Kimi K3	10.0	10.0	100.0%	7.66s	1,179	147	1,119
Gemini 3.6 Flash	10.0	10.0	100.0%	3.82s	623	72	3,634

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	10.0	10.0	100.0%	4.66s	894	908	524
GPT-5.6 Sol	10.0	10.0	100.0%	4.10s	642	211	675
Kimi K3	10.0	10.0	100.0%	7.36s	1,416	495	1,368
Gemini 3.6 Flash	10.0	10.0	100.0%	3.43s	568	249	3,656

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	10.0	10.0	100.0%	8.44s	11,739	354	0
GPT-5.6 Sol	10.0	10.0	100.0%	7.08s	5,454	264	393
Kimi K3	3.0	10.0	0.0%	0ms	0	0	0
Gemini 3.6 Flash	10.0	10.0	100.0%	5.78s	5,457	229	1,372

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 5	3.0	10.0	0.0%	0	14.14s	258	1,708	455
GPT-5.6 Sol	4.7	1.6	66.7%	1	6.97s	195	30	685
Kimi K3	3.0	10.0	0.0%	0	19.67s	465	288	1,284
Gemini 3.6 Flash	10.0	10.0	100.0%	0	5.48s	158	10	2,757

Schimbă perechea de comparație

Claude Opus 5highvsGemini 3.7 Flashlow Gemini 3.5 FlashhighvsKimi K3max Claude Haiku 5.5highvsKimi K3max Claude Opus 5highvsGPT-6.1 Terraxhigh Kimi K3maxvsGPT-5.6 Terrahigh Kimi K3maxvsGPT-6 Lunamedium Claude Opus 4.8mediumvsKimi K3max Gemini 3.7 FlashmediumvsGPT-5.6 Solhigh Ling 3.1 FlashmediumvsKimi K3max Kimi K3maxvsQwen3.7 Plusmedium Claude Opus 5highvsGPT-6.1 Terralow Claude Opus 5.5lowvsGPT-5.6 Solhigh

Modele comparate