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 OpenAI: GPT-5.4 Mini

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-21

Metrică Claude Sonnet 4.6 Claude Sonnet 4.6 medium Lansare: 2026-02-17 GPT-5.4 Mini GPT-5.4 Mini medium Lansare: 2026-03-17
Scor 7.9 7.1
Rang #21 #36
Consistență 9.5 7.2
Teste corecte
Rată de trecere pe încercare 72.6% 68.6%
Teste instabile 1 6
Rulări totale 51 51
Cost per rezultat 8.531 3.610
Cost total $1.024 $0.289
Preț de intrare $3.000 / 1M $0.750 / 1M
Preț de ieșire $15.000 / 1M $4.500 / 1M
Tokenuri de ieșire 35,174 1,708
Tokenuri de raționament 24,687 58,019
Timp de răspuns (mediu) 10.09s 15.66s
Timp de răspuns (maxim) 46.35s 102.91s
Timp de răspuns (total) 90.85s 266.14s

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-5.4 Mini 8.6 7.9 91.7% 1 4.05s 296 2,876
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-5.4 Mini 10.0 10.0 100.0% 0 17.81s 317 4,317
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-5.4 Mini 10.0 10.0 100.0% 0 2.43s 234 650
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-5.4 Mini 4.1 4.4 44.5% 2 65.31s 60 43,286
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-5.4 Mini 4.5 10.0 0.0% 0 3.72s 150 510
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-5.4 Mini 7.4 6.5 66.7% 1 2.50s 129 1,337
Puzzle Solving 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 4.80s 589 635
GPT-5.4 Mini 6.8 7.9 55.6% 1 4.33s 271 2,449
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-5.4 Mini 4.7 1.6 66.7% 1 9.62s 251 2,594

Comparație rapidă

Schimbă perechea de comparație

Claude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneClaude Sonnet 4.6nonevsGPT-5.4 MinimediumGPT-5.4 MinimediumvsQwen3.5 Plus 2026-02-15noneClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGPT-5.4 MinimediumvsGLM 5noneGPT-5.4 MinimediumvsMiMo-V2-OmninoneGemini 3.1 Flash Lite PreviewnonevsGPT-5.4 MinimediumDeepSeek V3.2nonevsGPT-5.4 MinimediumClaude Sonnet 4.6mediumvsGemini 3 Flash Previewlow