Сравниваемые модели

Бенчмарк-сравнение Claude Opus 5 (high) vs GPT-5.6 Sol (high) vs Kimi K3 (max) vs Gemini 3.6 Flash (medium): Gemini 3.6 Flash (medium) лидирует по Оценка со значением 9.8. Claude Opus 5 (high) лидирует по Надежность со значением 10.0. У Gemini 3.6 Flash (medium) самый низкий Общая стоимость: $0.577. GPT-5.6 Sol (high) самый быстрый: 13.59s.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-10-26

Сравниваемые модели

Ранг: #30
Общее число выходных токенов: 105,662
Время ответа (среднее): 25.31s
Общая стоимость: $4.524

Ранг: #24
Общее число выходных токенов: 32,071
Время ответа (среднее): 13.59s
Общая стоимость: $1.595

Ранг: #102
Общее число выходных токенов: 233,327
Время ответа (среднее): 139.41s
Общая стоимость: $3.409

Ранг: #10
Общее число выходных токенов: 116,124
Время ответа (среднее): 14.03s
Общая стоимость: $0.577

Рекомендуемая модель Gemini 3.6 Flash (medium)

Здесь у него лучший балл (9.8), при этом он примерно в 5.5 раза дешевле, чем другие модели в этом сравнении.

Подробное сравнение

Метрика	Claude Opus 5 Claude Opus 5 high Релиз: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Релиз: 2026-07-09	Kimi K3 Kimi K3 max Релиз: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Релиз: 2026-07-21

Метрика	Claude Opus 5 Claude Opus 5 high Релиз: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Релиз: 2026-07-09	Kimi K3 Kimi K3 max Релиз: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Релиз: 2026-07-21
Оценка	9.4	9.5	8.3	9.8
Ранг	#30	#24	#102	#10
Надежность	10.0	10.0	9.3	10.0
Стабильность	10.0	8.9	9.3	9.3
Попытки	69/69	69/69	69/69	69/69
Тестов верно
Доля успешных попыток	82.6%	89.9%	78.3%	95.7%
Нестабильные тесты	0	3	2	2
Всего запусков	69	69	69	69
Стоимость за результат	23.809	8.020	23.601	4.619
Общая стоимость	$4.524	$1.595	$3.409	$0.577
Цена входа	$5.000 / 1M	$2.000 / 1M	$0.830 / 1M	$0.750 / 1M
Цена выхода	$25.000 / 1M	$10.000 / 1M	$14.000 / 1M	$3.750 / 1M
Цена чтения из кэша	$0.500 / 1M	$0.200 / 1M	$0.270 / 1M	$0.075 / 1M
Цена записи в кэш	$6.250 / 1M	$2.500 / 1M	Н/Д	$0.042 / 1M
Общее число входных токенов	376,421	195,567	170,700	188,003
Выходные токены	67,688	5,841	7,719	2,914
Токены рассуждений	37,974	26,230	225,608	113,210
Время ответа (среднее)	25.31s	13.59s	139.41s	14.03s
Время ответа (макс.)	159.01s	59.99s	766.58s	77.15s
Время ответа (суммарно)	582.11s	312.61s	2788.26s	322.73s
Параметры	~5T всего (~500B активных)	~2T всего (~150B активных)	2.8T всего (104B активных)	~500B всего (~20B активных)
Доступность	Закрытая модель	Закрытая модель	Веса доступны	Закрытая модель

Цены кэша относятся к входным токенам. Чтение повторно использует сохранённые запросы; запись сохраняет их и может стоить дороже. Выходные токены оплачиваются по цене вывода.

Генерация showcase моделей

Hamster playing table tennis

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

#30 Claude Opus 5

high

Стоимость: $0.265
Время: 144.5s
Токены: 10,741 tok

#24 GPT-5.6 Sol

high

Стоимость: $0.151
Время: 201.9s
Токены: 5,100 tok

#102 MoonshotAI: Kimi K3

max

Стоимость: $0.281
Время: 506.9s
Токены: 18,863 tok

#10 Gemini 3.6 Flash

medium

Стоимость: $0.095
Время: 49.9s
Токены: 12,664 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

Категория:

Агентные задачи	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	10.0	10.0	100.0%	86.99s	240,465	3,064	7,015
GPT-5.6 Sol	10.0	10.0	100.0%	59.99s	116,309	986	2,377
Kimi K3	10.0	10.0	100.0%	74.24s	135,740	4,832	4,367
Gemini 3.6 Flash	10.0	10.0	100.0%	61.77s	123,557	940	14,308

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	10.0	10.0	100.0%	0	5.91s	834	2,063	617
GPT-5.6 Sol	8.7	7.9	91.7%	1	3.39s	606	171	644
Kimi K3	10.0	10.0	100.0%	0	10.24s	1,638	496	2,629
Gemini 3.6 Flash	10.0	10.0	100.0%	0	2.54s	508	165	4,173

Программирование	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	10.0	10.0	100.0%	12.73s	10,590	7,547	1,721
GPT-5.6 Sol	10.0	10.0	100.0%	12.52s	7,302	404	5,656
Kimi K3	10.0	10.0	100.0%	325.79s	8,061	460	84,012
Gemini 3.6 Flash	10.0	10.0	100.0%	14.81s	8,124	444	31,421

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	10.0	10.0	100.0%	31.11s	98,549	10,546	2,198
GPT-5.6 Sol	10.0	10.0	100.0%	24.99s	56,154	3,298	4,866
Kimi K3	6.5	10.0	50.0%	223.03s	12,792	399	20,460
Gemini 3.6 Flash	10.0	10.0	100.0%	49.01s	40,411	405	13,351

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	10.0	10.0	100.0%	0	4.22s	10,503	488	160
GPT-5.6 Sol	10.0	10.0	100.0%	0	1.16s	7,140	222	0
Kimi K3	7.3	5.8	83.3%	1	16.72s	7,839	354	2,606
Gemini 3.6 Flash	10.0	10.0	100.0%	0	4.92s	7,457	279	5,288

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	3.0	10.0	0.0%	0	104.24s	972	40,623	24,923
GPT-5.6 Sol	5.3	7.2	44.4%	1	37.67s	628	62	10,365
Kimi K3	5.3	7.2	44.4%	1	683.62s	838	57	106,892
Gemini 3.6 Flash	5.8	4.4	66.7%	2	21.99s	648	12	31,866

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	10.0	10.0	100.0%	3.79s	708	268	0
GPT-5.6 Sol	10.0	10.0	100.0%	4.40s	477	97	238
Kimi K3	10.0	10.0	100.0%	14.91s	732	191	871
Gemini 3.6 Flash	10.0	10.0	100.0%	3.40s	492	109	1,384

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	10.0	10.0	100.0%	4.78s	909	119	361
GPT-5.6 Sol	10.0	10.0	100.0%	2.73s	660	96	331
Kimi K3	10.0	10.0	100.0%	7.66s	1,179	147	1,119
Gemini 3.6 Flash	10.0	10.0	100.0%	3.82s	623	72	3,634

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	10.0	10.0	100.0%	4.66s	894	908	524
GPT-5.6 Sol	10.0	10.0	100.0%	4.10s	642	211	675
Kimi K3	10.0	10.0	100.0%	7.36s	1,416	495	1,368
Gemini 3.6 Flash	10.0	10.0	100.0%	3.43s	568	249	3,656

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	10.0	10.0	100.0%	8.44s	11,739	354	0
GPT-5.6 Sol	10.0	10.0	100.0%	7.08s	5,454	264	393
Kimi K3	3.0	10.0	0.0%	0ms	0	0	0
Gemini 3.6 Flash	10.0	10.0	100.0%	5.78s	5,457	229	1,372

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 5	3.0	10.0	0.0%	0	14.14s	258	1,708	455
GPT-5.6 Sol	4.7	1.6	66.7%	1	6.97s	195	30	685
Kimi K3	3.0	10.0	0.0%	0	19.67s	465	288	1,284
Gemini 3.6 Flash	10.0	10.0	100.0%	0	5.48s	158	10	2,757

Сменить пару сравнения

Claude Opus 5highvsGemini 3.7 Flashlow Gemini 3.5 FlashhighvsKimi K3max Claude Haiku 5.5highvsKimi K3max Claude Opus 5highvsGPT-6.1 Terraxhigh Kimi K3maxvsGPT-5.6 Terrahigh Kimi K3maxvsGPT-6 Lunamedium Claude Opus 4.8mediumvsKimi K3max Gemini 3.7 FlashmediumvsGPT-5.6 Solhigh Ling 3.1 FlashmediumvsKimi K3max Kimi K3maxvsQwen3.7 Plusmedium Claude Opus 5highvsGPT-6.1 Terralow Claude Opus 5.5lowvsGPT-5.6 Solhigh

Сравниваемые модели