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

Modele comparate

Rezumat

Comparație benchmark GPT-5.5 vs GPT-5.4 vs Gemini 3.1 Pro Preview vs Claude Opus 4.7Gemini 3.1 Pro Preview conduce la Scor cu 9.2. GPT-5.5 conduce la Fiabilitate cu 10.0. Claude Opus 4.7 are cel mai mic Cost total, $0.679. Claude Opus 4.7 are cel mai rapid timp de răspuns, 4.73s.

Model recomandat: Claude Opus 4.7 - Scorul rămâne aproape de cel mai bun scor de aici (8.7 vs 9.2) și costă de aproximativ 2.9x mai puțin decât celelalte modele din această comparație.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-18

Metrică GPT-5.5 GPT-5.5 medium Lansare: 2026-04-24 GPT-5.4 GPT-5.4 medium Lansare: 2026-03-05 Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Lansare: 2026-02-19 Claude Opus 4.7 Claude Opus 4.7 medium Lansare: 2026-04-16
Scor 9.0 8.5 9.2 8.7
Rang #9 #17 #7 #13
Fiabilitate 10.0 10.0 10.0 10.0
Consistență 8.9 8.6 10.0 9.6
Teste corecte
Rată de trecere pe încercare 87.3% 76.2% 90.5% 82.5%
Teste instabile 3 4 0 1
Rulări totale 63 63 63 63
Cost per rezultat 21.638 8.640 5.546 3.991
Cost total $3.679 $1.210 $1.054 $0.679
Preț de intrare $5.000 / 1M $2.500 / 1M $2.000 / 1M $5.000 / 1M
Preț de ieșire $30.000 / 1M $15.000 / 1M $12.000 / 1M $25.000 / 1M
Total tokenuri de intrare 34,212 34,108 41,617 65,406
Tokenuri de ieșire 1,985 2,242 1,977 11,858
Tokenuri de raționament 114,925 72,707 78,896 2,198
Timp de răspuns (mediu) 37.98s 22.35s 20.14s 4.73s
Timp de răspuns (maxim) 332.10s 100.41s 88.68s 23.18s
Timp de răspuns (total) 797.60s 469.29s 281.92s 94.51s

Prezentare generare

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#9 GPT-5.5

medium
Cost
$0.112
Timp
71.9s
Tokenuri
3,807 tok

#17 GPT-5.4

medium
Cost
$0.214
Timp
199.6s
Tokenuri
14,349 tok

#7 Gemini 3.1 Pro Preview

medium
Cost
$0.115
Timp
87.2s
Tokenuri
9,629 tok

#13 Claude Opus 4.7

medium
Cost
$0.059
Timp
26.8s
Tokenuri
2,475 tok

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 intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 4.66s 606 250 1,335
GPT-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.90s 498 112 3,218
Claude Opus 4.7 8.3 10.0 75.0% 0 1.85s 894 348 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
Gemini 3.1 Pro Preview 7.9 9.9 66.7% 0 40.17s 8,124 435 41,247
Claude Opus 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 19.29s 11,019 312 2,841
GPT-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
Gemini 3.1 Pro Preview 9.5 10.0 100.0% 0 40.61s 17,240 432 9,281
Claude Opus 4.7 10.0 10.0 100.0% 0 21.45s 24,501 2,369 1,084
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 4.18s 7,140 234 593
GPT-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.72s 7,265 279 3,904
Claude Opus 4.7 10.0 10.0 100.0% 0 2.37s 10,533 324 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 5.3 7.2 44.4% 1 164.14s 723 67 79,625
GPT-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
Gemini 3.1 Pro Preview 7.7 10.0 66.7% 0 32.73s 635 18 12,424
Claude Opus 4.7 7.7 10.0 66.7% 0 1.17s 630 51 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 4.16s 477 138 223
GPT-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 11.77s 490 108 1,179
Claude Opus 4.7 10.0 10.0 100.0% 0 2.87s 723 256 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 3.36s 660 93 538
GPT-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.56s 621 72 2,236
Claude Opus 4.7 10.0 10.0 100.0% 0 1.57s 939 114 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 6.76s 642 241 2,225
GPT-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 6.90s 570 235 3,128
Claude Opus 4.7 10.0 10.0 100.0% 0 2.43s 939 370 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 10.0 10.0 100.0% 0 10.57s 5,445 258 832
GPT-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 23.15s 6,018 274 982
Claude Opus 4.7 10.0 10.0 100.0% 0 4.17s 15,339 373 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
GPT-5.5 2.8 1.6 33.3% 1 37.86s 195 30 1,754
GPT-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 6.27s 156 12 1,297
Claude Opus 4.7 3.0 10.0 0.0% 0 2.25s 273 24 0

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.1 Pro PreviewmediumvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 3.5 FlashlowvsGPT-5.5mediumDeepSeek V4 FlashhighvsGPT-5.4mediumClaude Opus 4.7mediumvsDeepSeek V4 FlashhighClaude Opus 4.7mediumvsGemini 3.5 FlashlowClaude Opus 4.7mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.2 ChatnoneGemini 3.5 FlashlowvsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.5mediumGPT-5.4mediumvsStep 3.7 FlashlowGemini 3.5 FlashhighvsGPT-5.5medium