Сравниваемые модели

Бенчмарк-сравнение GPT-5.5 (medium) vs GPT-5.4 (medium) vs Gemini 3.1 Pro Preview (medium) vs Claude Opus 4.7 (medium): Gemini 3.1 Pro Preview (medium) лидирует по Оценка со значением 9.2. GPT-5.5 (medium) лидирует по Надежность со значением 10.0. У Gemini 3.1 Pro Preview (medium) самый низкий Общая стоимость: $1.352. Claude Opus 4.7 (medium) самый быстрый: 7.62s.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-09-28

Сравниваемые модели

Ранг: #33
Общее число выходных токенов: 125,316
Время ответа (среднее): 38.97s
Общая стоимость: $4.163

Ранг: #56
Общее число выходных токенов: 90,466
Время ответа (среднее): 22.85s
Общая стоимость: $1.560

Ранг: #22
Общее число выходных токенов: 97,238
Время ответа (среднее): 20.62s
Общая стоимость: $1.352

Ранг: #49
Общее число выходных токенов: 29,990
Время ответа (среднее): 7.62s
Общая стоимость: $1.476

Рекомендуемая модель Gemini 3.1 Pro Preview (medium)

Здесь у него лучший балл (9.2), при этом он примерно в 1.8 раза дешевле, чем другие модели в этом сравнении.

Подробное сравнение

Метрика	GPT-5.5 GPT-5.5 medium Релиз: 2026-04-24	GPT-5.4 GPT-5.4 medium Релиз: 2026-03-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Релиз: 2026-02-19	Claude Opus 4.7 Claude Opus 4.7 medium Релиз: 2026-04-16

Метрика	GPT-5.5 GPT-5.5 medium Релиз: 2026-04-24	GPT-5.4 GPT-5.4 medium Релиз: 2026-03-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Релиз: 2026-02-19	Claude Opus 4.7 Claude Opus 4.7 medium Релиз: 2026-04-16
Оценка	9.0	8.5	9.2	8.7
Ранг	#33	#56	#22	#49
Надежность	10.0	10.0	10.0	10.0
Стабильность	8.9	8.6	10.0	9.6
Попытки	66/66	66/66	66/66	66/66
Тестов верно
Доля успешных попыток	87.9%	77.3%	90.9%	83.3%
Нестабильные тесты	3	4	0	1
Всего запусков	66	66	66	66
Стоимость за результат	23.127	10.399	6.758	8.200
Общая стоимость	$4.163	$1.560	$1.352	$1.476
Цена входа	$5.000 / 1M	$2.500 / 1M	$2.000 / 1M	$5.000 / 1M
Цена выхода	$30.000 / 1M	$15.000 / 1M	$12.000 / 1M	$25.000 / 1M
Общее число входных токенов	80,668	81,136	92,296	145,249
Выходные токены	5,617	6,155	5,232	24,948
Токены рассуждений	119,699	84,311	92,006	5,042
Время ответа (среднее)	38.97s	22.85s	20.62s	7.62s
Время ответа (макс.)	332.10s	100.41s	88.68s	65.40s
Время ответа (суммарно)	857.43s	502.78s	329.94s	159.94s
Параметры	~1.5T всего (~100B активных)	~1.5T всего (~100B активных)	~1.2T всего (~20B активных)	~5T всего (~500B активных)
Доступность	Закрытая модель	Закрытая модель	Закрытая модель	Закрытая модель

Генерация showcase моделей

Hamster playing table tennis

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

#33 GPT-5.5

medium

Стоимость: $0.112
Время: 71.9s
Токены: 3,807 tok

#56 GPT-5.4

medium

Стоимость: $0.214
Время: 199.6s
Токены: 14,349 tok

#22 Gemini 3.1 Pro Preview

medium

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

#49 Claude Opus 4.7

medium

Стоимость: $0.059
Время: 26.8s
Токены: 2,475 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:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	4.66s	606	250	1,335
GPT-5.4	8.3	10.0	75.0%	4.11s	606	240	1,511
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.90s	498	112	3,218
Claude Opus 4.7	8.3	10.0	75.0%	1.85s	894	348	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	33.52s	57,466	3,944	6,735
GPT-5.4	10.0	10.0	100.0%	29.77s	58,038	4,214	13,351
Gemini 3.1 Pro Preview	9.8	10.0	100.0%	40.39s	67,910	3,687	23,111
Claude Opus 4.7	10.0	10.0	100.0%	43.42s	104,347	15,459	3,928

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	4.18s	7,140	234	593
GPT-5.4	10.0	10.0	100.0%	5.32s	7,140	234	804
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.72s	7,265	279	3,904
Claude Opus 4.7	10.0	10.0	100.0%	2.37s	10,533	324	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	5.3	7.2	44.4%	1	168.16s	732	67	80,505
GPT-5.4	5.3	7.2	44.4%	1	72.44s	628	61	36,544
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	20.29s	644	18	11,704
Claude Opus 4.7	7.7	10.0	66.7%	0	1.19s	627	51	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	3.36s	660	93	538
GPT-5.4	10.0	10.0	100.0%	3.11s	660	93	897
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	9.56s	621	72	2,236
Claude Opus 4.7	10.0	10.0	100.0%	1.57s	939	114	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.5	10.0	10.0	100.0%	10.57s	5,445	258	832
GPT-5.4	10.0	10.0	100.0%	13.28s	5,445	264	1,031
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	23.15s	6,018	274	982
Claude Opus 4.7	10.0	10.0	100.0%	4.17s	15,339	373	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.7mediumvsGLM 5.3 Flashmax Claude Opus 4.7mediumvsGemini 3.6 Flashlow Claude Opus 5.5highvsGemini 3.1 Pro Previewmedium Claude Fable 5.1highvsGPT-5.5medium GPT-5.4mediumvsQwen3.8 Maxlow Claude Opus 5highvsGemini 3.1 Pro Previewmedium GPT-5.5mediumvsGrok 4.5high Claude Opus 4.7mediumvsMuse Spark 1.2high Claude Opus 4.7mediumvsGemini 3.5 Flash Litehigh DeepSeek V4.1 FlashlowvsGPT-5.4medium DeepSeek V4.1 FlashhighvsGPT-5.4medium Claude Opus 5.5lowvsGemini 3.1 Pro Previewmedium