Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs Google: Gemini 2.5 Flash

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

Metrică Claude Sonnet 4.6 Claude Sonnet 4.6 none Lansare: 2026-02-17 Gemini 2.5 Flash Gemini 2.5 Flash none Lansare: 2025-06-17
Scor 7.0 6.4
Rang #78 #95
Fiabilitate 10.0 10.0
Consistență 9.7 9.6
Teste corecte
Rată de trecere pe încercare 58.3% 48.3%
Teste instabile 1 1
Rulări totale 60 60
Cost per rezultat 2.782 0.159
Cost total $0.306 $0.015
Preț de intrare $3.000 / 1M $0.300 / 1M
Preț de ieșire $15.000 / 1M $2.500 / 1M
Tokenuri de ieșire 9,450 1,764
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 5.27s 889ms
Timp de răspuns (maxim) 23.84s 4.39s
Timp de răspuns (total) 68.50s 17.79s

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 4.8 10.0 25.0% 0 2.94s 1,214 0
Gemini 2.5 Flash 3.0 10.0 0.0% 0 582ms 102 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 6.8 10.0 50.0% 0 6.73s 2,112 0
Gemini 2.5 Flash 6.8 10.0 50.0% 0 810ms 477 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 9.5 10.0 100.0% 0 23.84s 3,766 0
Gemini 2.5 Flash 3.0 10.0 0.0% 0 4.39s 366 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 3.43s 252 0
Gemini 2.5 Flash 10.0 10.0 100.0% 0 652ms 279 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 7.7 10.0 66.7% 0 3.54s 413 0
Gemini 2.5 Flash 5.9 7.2 55.6% 1 495ms 12 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 6.1 3.1 66.7% 1 2.56s 192 0
Gemini 2.5 Flash 5.0 10.0 0.0% 0 615ms 78 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 6.5 10.0 50.0% 0 1.96s 90 0
Gemini 2.5 Flash 10.0 10.0 100.0% 0 590ms 72 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 7.7 10.0 66.7% 0 2.53s 533 0
Gemini 2.5 Flash 7.7 10.0 66.7% 0 604ms 132 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 4.11s 447 0
Gemini 2.5 Flash 10.0 10.0 100.0% 0 1.91s 234 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 4.67s 431 0
Gemini 2.5 Flash 3.0 10.0 0.0% 0 1.15s 12 0

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V4 ProhighvsGemini 2.5 FlashnoneClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsMimo V2 OmnimediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumGemini 2.5 FlashnonevsMercury 2mediumClaude Sonnet 4.6nonevsGPT-5 MinimediumClaude Sonnet 4.6nonevsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsRing-2.6-1TmediumGemini 2.5 FlashnonevsQwen3.6 27Bmedium