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 9.9. Claude Opus 5 (high) conduce la Fiabilitate cu 10.0. Gemini 3.6 Flash (medium) are cel mai mic Cost total, $0.831. Gemini 3.6 Flash (medium) are cel mai rapid timp de răspuns, 10.11s.

Model recomandatGemini 3.6 Flash (medium)Are cel mai bun scor aici (9.9) și costă de aproximativ 2.9x mai puțin decât celelalte modele din această comparație.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-25

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	9.2	9.4	8.0	9.9
Rang	#11	#8	#40	#1
Fiabilitate	10.0	10.0	9.1	10.0
Consistență	9.6	8.9	9.5	9.6
Teste corecte
Rată de trecere pe încercare	84.9%	89.4%	75.8%	98.5%
Teste instabile	1	3	1	1
Rulări totale	66	66	66	66
Cost per rezultat	15.747	6.852	19.446	3.955
Cost total	$2.835	$1.234	$3.112	$0.831
Preț de intrare	$5.000 / 1M	$5.000 / 1M	$3.000 / 1M	$1.500 / 1M
Preț de ieșire	$25.000 / 1M	$30.000 / 1M	$15.000 / 1M	$7.500 / 1M
Total tokenuri de intrare	135,959	79,249	34,916	66,293
Tokenuri de ieșire	67,066	4,855	2,910	2,000
Tokenuri de raționament	19,114	23,044	197,529	95,464
Timp de răspuns (mediu)	20.44s	11.73s	122.48s	10.11s
Timp de răspuns (maxim)	159.01s	54.79s	766.58s	68.03s
Timp de răspuns (total)	449.68s	257.99s	2327.06s	222.33s

Hamster playing table tennis

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

#11 Claude Opus 5

high

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

#8 GPT-5.6 Sol

high

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

#40 MoonshotAI: Kimi K3

max

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

#1 Gemini 3.6 Flash

medium

Cost: $0.079
Timp: 47.9s
Tokenuri: 10,532 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:

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	2.34s	516	149	4,489

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%	17.49s	8,136	474	40,157

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%	42.07s	41,732	405	11,531

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	4.26s	7,269	279	5,020

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	3.6	7.2	22.2%	1	89.10s	975	43,065	13,078
GPT-5.6 Sol	5.3	7.2	44.4%	1	39.45s	619	62	9,556
Kimi K3	5.9	9.3	33.3%	0	490.14s	794	80	83,180
Gemini 3.6 Flash	8.2	7.2	88.9%	1	12.59s	651	12	20,611

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%	3.32s	492	116	1,539

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	9.9	10.0	100.0%	2.77s	627	71	3,067

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%	2.53s	576	259	3,373

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%	8.55s	6,132	225	3,020

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	5.09s	162	10	2,657

Comparație rapidă

Schimbă perechea de comparație

Kimi K3maxvsGPT-5.6 Terrahigh Claude Opus 5highvsGemini 3.1 Pro Previewmedium Kimi K3maxvsInklingmedium Gemini 3.6 FlashlowvsGPT-5.6 Solhigh Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGLM 5.2high Kimi K3maxvsQwen3.7 Plusmedium Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Claude Opus 5highvsGPT-5.5low Kimi K3maxvsInklinghigh Gemini 3.5 Flash-LitehighvsKimi K3max