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 Sonnet 4.6 vs Google: Gemini 3.1 Flash Lite Preview

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-01

Metrică Claude Sonnet 4.6 Claude Sonnet 4.6 medium Lansare: 2026-02-17 Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview none Lansare: 2026-03-03
Scor 7.6 7.5
Rang #52 #53
Fiabilitate 10.0 10.0
Consistență 9.2 9.7
Teste corecte
Rată de trecere pe încercare 68.3% 63.3%
Teste instabile 2 1
Rulări totale 60 60
Cost per rezultat 10.229 0.142
Cost total $1.330 $0.017
Preț de intrare $3.000 / 1M $0.250 / 1M
Preț de ieșire $15.000 / 1M $1.500 / 1M
Tokenuri de ieșire 49,891 5,541
Tokenuri de raționament 29,565 0
Timp de răspuns (mediu) 15.81s 1.23s
Timp de răspuns (maxim) 46.35s 3.39s
Timp de răspuns (total) 189.71s 24.68s

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 Sonnet 4.6 6.5 10.0 50.0% 0 2.98s 1,046 1,093
Gemini 3.1 Flash Lite Preview 7.5 8.4 66.7% 1 1.04s 1,092 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 6.9 6.0 66.7% 1 33.87s 11,277 3,281
Gemini 3.1 Flash Lite Preview 6.8 10.0 50.0% 0 1.06s 664 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 5,871 3,962
Gemini 3.1 Flash Lite Preview 3.0 10.0 0.0% 0 3.20s 339 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 Sonnet 4.6 10.0 10.0 100.0% 0 13.90s 649 742
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 1.22s 399 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 Sonnet 4.6 2.9 7.2 11.1% 1 0ms 25,790 16,919
Gemini 3.1 Flash Lite Preview 5.3 10.0 33.3% 0 942ms 568 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 Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 256 433
Gemini 3.1 Flash Lite Preview 4.0 10.0 0.0% 0 741ms 69 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 Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 318 552
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 1.13s 574 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 Sonnet 4.6 10.0 10.0 100.0% 0 5.31s 592 646
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 900ms 1,045 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 Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 655 351
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.39s 782 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 Sonnet 4.6 3.0 10.0 0.0% 0 30.09s 3,437 1,586
Gemini 3.1 Flash Lite Preview 3.0 10.0 0.0% 0 814ms 9 0

Comparație rapidă

Schimbă perechea de comparație