AI BENCHY Compare
Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5 Mini
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 | OpenAI: GPT-5 Mini medium Lansare: 2025-08-07 |
|---|---|---|
| Rang | #22 | #33 |
| Scor mediu | 6.36 | 5.77 |
| Consistență | 9.50 | 8.79 |
| Cost per rezultat | 1.325 | 1.200 |
| Cost total | $0.106 | $0.084 |
| Teste corecte | ||
| Rată de trecere pe încercare | 59.5% | 57.1% |
| Teste instabile | 1 | 2 |
| Tokenuri de ieșire | 2,637 | 4,723 |
| Tokenuri de raționament | 0 | 35,392 |
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 | |
| OpenAI: GPT-5 Mini | 7.00 | 9.62 | 66.7% | 0 | 1,645 | 5,824 |
| 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 | |
| OpenAI: GPT-5 Mini | 9.88 | 10.00 | 100.0% | 0 | 453 | 3,200 |
| 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 | |
| OpenAI: GPT-5 Mini | 1.00 | 7.21 | 22.2% | 1 | 293 | 14,016 |
| 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 | |
| OpenAI: GPT-5 Mini | 7.00 | 6.64 | 66.7% | 1 | 318 | 4,992 |
| 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 | |
| OpenAI: GPT-5 Mini | 4.33 | 9.78 | 33.3% | 0 | 1,527 | 5,760 |
| 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 | |
| OpenAI: GPT-5 Mini | 10.00 | 10.00 | 100.0% | 0 | 487 | 1,600 |
Comparație rapidă
Schimbă perechea de comparație
Claude Sonnet 4.6nonevsGrok 4.1 FastmediumClaude Sonnet 4.6nonevsKimi K2.5mediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumGPT-5 MinimediumvsGLM 5noneClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsQwen3.5-122B-A10BmediumClaude Sonnet 4.6nonevsQwen3.5-35B-A3BmediumGemini 2.5 FlashnonevsGPT-5 MinimediumClaude Sonnet 4.6nonevsGPT-5 NanomediumGPT-5 MinimediumvsQwen3.5 Plus 2026-02-15noneClaude Sonnet 4.6nonevsGemini 3.1 Flash Lite PreviewmediumClaude Sonnet 4.6nonevsQwen3.5-Flashmedium