Навигация
AI BENCHY
Advertise here

AI BENCHY Compare

Сравниваемые модели

Сводка

Бенчмарк-сравнение Claude Opus 4.6 vs Claude Sonnet 4.6 vs GPT-5.3-Codex vs Gemini 3.1 Pro PreviewGemini 3.1 Pro Preview лидирует по Оценка со значением 9.2. Claude Opus 4.6 лидирует по Надежность со значением 10.0. У GPT-5.3-Codex самый низкий Общая стоимость: $0.740. GPT-5.3-Codex самый быстрый: 16.22s.

Рекомендуемая модель: GPT-5.3-Codex - Его балл близок к лучшему здесь (8.9 против 9.2), при этом он примерно в 2.0 раза дешевле, чем другие модели в этом сравнении.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-18

Метрика Claude Opus 4.6 Claude Opus 4.6 medium Релиз: 2026-02-05 Claude Sonnet 4.6 Claude Sonnet 4.6 medium Релиз: 2026-02-17 GPT-5.3-Codex GPT-5.3-Codex medium Релиз: 2026-02-05 Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Релиз: 2026-02-19
Оценка 7.7 7.8 8.9 9.2
Ранг #38 #31 #10 #7
Надежность 10.0 10.0 10.0 10.0
Стабильность 8.8 9.1 8.5 10.0
Тестов верно
Доля успешных попыток 61.9% 65.1% 82.5% 90.5%
Нестабильные тесты 3 2 4 0
Всего запусков 63 63 63 63
Стоимость за результат 17.103 10.904 4.932 5.546
Общая стоимость $2.053 $1.418 $0.740 $1.054
Цена входа $5.000 / 1M $3.000 / 1M $1.750 / 1M $2.000 / 1M
Цена выхода $25.000 / 1M $15.000 / 1M $14.000 / 1M $12.000 / 1M
Общее число входных токенов 53,227 49,112 34,299 41,617
Выходные токены 47,446 54,703 2,357 1,977
Токены рассуждений 24,000 29,970 46,189 78,896
Время ответа (среднее) 25.89s 17.06s 16.22s 20.14s
Время ответа (макс.) 83.40s 46.35s 100.93s 88.68s
Время ответа (суммарно) 362.49s 221.83s 340.67s 281.92s

Генерация showcase

Hamster playing table tennis

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

#38 Claude Opus 4.6

medium
Неверный SVG
Стоимость
$0.000
Время
300.0s
Токены
0 tok

#31 Claude Sonnet 4.6

medium
Неверный SVG
Стоимость
$0.000
Время
300.0s
Токены
0 tok

#10 GPT-5.3-Codex

medium
Стоимость
$0.049
Время
54.9s
Токены
3,580 tok

#7 Gemini 3.1 Pro Preview

medium
Стоимость
$0.115
Время
87.2s
Токены
9,629 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
Claude Sonnet 4.6 6.5 10.0 50.0% 0 2.98s 789 1,046 1,093
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 606 240 1,722
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.90s 498 112 3,218
Программирование Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Claude Sonnet 4.6 5.7 6.6 44.4% 1 33.29s 6,995 16,089 3,686
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
Gemini 3.1 Pro Preview 7.9 9.9 66.7% 0 40.17s 8,124 435 41,247
Комбинированный Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 18,351 5,871 3,962
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 2,731
Gemini 3.1 Pro Preview 9.5 10.0 100.0% 0 40.61s 17,240 432 9,281
Парсинг и извлечение данных Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Claude Sonnet 4.6 10.0 10.0 100.0% 0 13.90s 8,676 649 742
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 7,140 234 728
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.72s 7,265 279 3,904
Предметно-ориентированное Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
Claude Sonnet 4.6 2.9 7.2 11.1% 1 0ms 471 25,790 16,919
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 813 64 25,308
Gemini 3.1 Pro Preview 7.7 10.0 66.7% 0 32.73s 635 18 12,424
Общий интеллект Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 564 256 433
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 477 187 331
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 11.77s 490 108 1,179
Следование инструкциям Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 792 318 552
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 660 93 693
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.56s 621 72 2,236
Решение головоломок Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
Claude Sonnet 4.6 10.0 10.0 100.0% 0 5.31s 816 592 646
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.05s 642 356 1,593
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 6.90s 570 235 3,128
Вызов инструментов Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 11,454 655 351
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 5,445 254 492
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 23.15s 6,018 274 982
Эрудиция Оценка Стабильность Доля успешных попыток Нестабильные тесты Тестов верно Время ответа (среднее) Входные токены Выходные токены Токены рассуждений
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
Claude Sonnet 4.6 3.0 10.0 0.0% 0 30.09s 204 3,437 1,586
GPT-5.3-Codex 2.8 1.6 33.3% 1 14.43s 195 30 1,701
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 6.27s 156 12 1,297

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsDeepSeek V4 ProhighClaude Sonnet 4.6mediumvsStep 3.7 FlashlowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsDeepSeek V4 ProhighGemini 3.5 FlashlowvsGPT-5.3-CodexmediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3 Flash PreviewlowClaude Sonnet 4.6mediumvsDeepSeek V4 FlashhighClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewlowClaude Opus 4.6mediumvsDeepSeek V4 Pronone