AI BENCHY Compare
Anthropic: Claude Sonnet 4.6 vs Google: Gemini 3.1 Flash Lite Preview
Compară:
Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-03
| Metrică | Anthropic: Claude Sonnet 4.6 none Lansare: 2026-02-17 | Google: Gemini 3.1 Flash Lite Preview low Lansare: 2026-03-03 |
|---|---|---|
| Rang | #22 | #8 |
| Scor mediu | 6.36 | 7.84 |
| Consistență | 9.50 | 10.00 |
| Cost per rezultat | 1.325 | 0.151 |
| Cost total | $0.106 | $0.016 |
| Teste corecte | ||
| Rată de trecere pe încercare | 59.5% | 71.4% |
| Teste instabile | 1 | 0 |
| Tokenuri de ieșire | 2,637 | 1,317 |
| Tokenuri de raționament | 0 | 6,126 |
Scor vs cost total
Defalcare pe categorii
| Trucuri anti-AI | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 4.00 | 10.00 | 33.3% | 0 | 1,199 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 7.00 | 10.00 | 66.7% | 0 | 456 | 1,224 |
| Parsare și extragere de date | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 10.00 | 10.00 | 100.0% | 0 | 252 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 9.88 | 10.00 | 100.0% | 0 | 291 | 696 |
| Specific domeniului | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 7.00 | 10.00 | 66.7% | 0 | 54 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 4.00 | 10.00 | 33.3% | 0 | 18 | 1,212 |
| Respectarea instrucțiunilor | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 5.50 | 10.00 | 50.0% | 0 | 90 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 8.50 | 10.00 | 50.0% | 0 | 72 | 753 |
| Puzzle Solving | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 5.00 | 7.68 | 44.4% | 1 | 595 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 10.00 | 10.00 | 100.0% | 0 | 243 | 1,248 |
| Apelare instrumente | Scor | Consistență | Rată de trecere pe încercare | Teste instabile | Teste corecte | Tokenuri de ieșire | Tokenuri de raționament |
|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 10.00 | 10.00 | 100.0% | 0 | 447 | 0 | |
| Google: Gemini 3.1 Flash Lite Preview | 10.00 | 10.00 | 100.0% | 0 | 237 | 993 |
Comparație rapidă
Schimbă perechea de comparație
Claude Sonnet 4.6nonevsGrok 4.1 FastmediumClaude Sonnet 4.6nonevsKimi K2.5mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6nonevsQwen3.5-122B-A10BmediumClaude Sonnet 4.6nonevsQwen3.5-35B-A3BmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.2 ChatnoneClaude Sonnet 4.6nonevsGPT-5 NanomediumGemini 3.1 Flash Lite PreviewlowvsGLM 5mediumClaude Sonnet 4.6nonevsGemini 3.1 Flash Lite Previewmedium