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: $1.361. Claude Opus 4.7 (medium) самый быстрый: 7.61s.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-08-07

Ранг: #15
Общее число выходных токенов: 124,436
Время ответа (среднее): 38.42s
Общая стоимость: $4.137

Ранг: #29
Общее число выходных токенов: 88,670
Время ответа (среднее): 23.10s
Общая стоимость: $1.533

Ранг: #9
Общее число выходных токенов: 97,958
Время ответа (среднее): 21.47s
Общая стоимость: $1.361

Ранг: #23
Общее число выходных токенов: 29,990
Время ответа (среднее): 7.61s
Общая стоимость: $1.477

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	#15	#29	#9	#23
Надежность	10.0	10.0	10.0	10.0
Стабильность	8.9	8.6	10.0	9.6
Покрытие бенчмарка	22/22 тестов · 66/66 попыток	22/22 тестов · 66/66 попыток	22/22 тестов · 66/66 попыток	22/22 тестов · 66/66 попыток
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	22.980	10.220	6.801	8.201
Общая стоимость	$4.137	$1.533	$1.361	$1.477
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	80,659	81,127	92,287	145,252
Выходные токены	5,617	6,155	5,232	24,948
Токены рассуждений	118,819	82,515	92,726	5,042
Время ответа (среднее)	38.42s	23.10s	21.47s	7.61s
Время ответа (макс.)	332.10s	100.41s	88.68s	65.40s
Время ответа (суммарно)	845.35s	508.26s	322.08s	159.91s

Генерация showcase моделей

Hamster playing table tennis

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

#15 GPT-5.5

medium

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

#29 GPT-5.4

medium

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

#9 Gemini 3.1 Pro Preview

medium

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

#23 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	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

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 5highvsGemini 3.1 Pro Previewmedium Claude Opus 4.7mediumvsGemini 3.6 Flashlow Claude Opus 4.7mediumvsQwen3.8 Maxlow Claude Opus 4.7mediumvsGemini 3.5 Flash Litehigh Gemini 3.5 FlashlowvsGPT-5.5medium Claude Opus 4.7mediumvsMuse Spark 1.2high GPT-5.5mediumvsGrok 4.5high Claude Opus 5lowvsGPT-5.4medium Muse Spark 1.2lowvsGPT-5.4medium Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh GPT-5.4mediumvsGrok 4.5low