Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.2 Chat

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 GPT-5.2 Chat GPT-5.2 Chat none Lansare: 2025-12-11
Scor 7.6 7.9
Rang #52 #32
Fiabilitate 10.0 10.0
Consistență 9.2 8.9
Teste corecte
Rată de trecere pe încercare 68.3% 73.3%
Teste instabile 2 3
Rulări totale 60 60
Cost per rezultat 10.229 2.703
Cost total $1.330 $0.352
Preț de intrare $3.000 / 1M $1.750 / 1M
Preț de ieșire $15.000 / 1M $14.000 / 1M
Tokenuri de ieșire 49,891 21,144
Tokenuri de raționament 29,565 0
Timp de răspuns (mediu) 15.81s 6.82s
Timp de răspuns (maxim) 46.35s 38.52s
Timp de răspuns (total) 189.71s 136.34s

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
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 1,807 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
GPT-5.2 Chat 8.2 6.7 83.3% 1 8.05s 4,131 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
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 1,243 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
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 980 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
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 7,810 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
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 335 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
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 1,441 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
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 1,603 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
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 555 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
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 1,239 0

Comparație rapidă

Schimbă perechea de comparație

Gemma 4 26B A4BmediumDisponibil gratuitvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGPT-5.2 ChatnonevsQwen3.5-27BmediumClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowGPT-5.2 ChatnonevsQwen3.6 35B A3BmediumClaude Sonnet 4.6mediumvsDeepSeek V4 FlashhighGPT-5.2 ChatnonevsGrok 4.3mediumGemini 3.5 FlashminimalvsGPT-5.2 ChatnoneClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneGPT-5.2 ChatnonevsQwen3.6 Plusmedium