নেভিগেশন
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

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.6 Luna

সারাংশ

Claude Opus 4.8 vs GPT-5.6 Luna (medium) benchmark তুলনা: GPT-5.6 Luna (medium) average score-এ এগিয়ে: 7.6 vs 7.2. GPT-5.6 Luna (medium)-এর benchmark খরচ কম: $0.258 vs $0.539. Claude Opus 4.8 দ্রুত: 3.48s vs 6.70s, pass rates 61.9% vs 63.5%.

প্রস্তাবিত মডেল: GPT-5.6 Luna (medium) - It has the best score here (7.6), while costing about 2.1x less than Claude Opus 4.8.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-09

মেট্রিক Claude Opus 4.8 Claude Opus 4.8 none প্রকাশ: 2026-05-28 GPT-5.6 Luna GPT-5.6 Luna medium প্রকাশ: 2026-07-09
স্কোর 7.2 7.6
র‍্যাঙ্ক #69 #54
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.2 9.6
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 61.9% 63.5%
অস্থির টেস্ট 2 1
মোট রান 63 63
প্রতি ফলাফলে খরচ 4.485 1.978
মোট খরচ $0.539 $0.258
ইনপুট মূল্য $5.000 / 1M $1.000 / 1M
আউটপুট মূল্য $25.000 / 1M $6.000 / 1M
মোট ইনপুট টোকেন 67,104 35,699
আউটপুট টোকেন 8,107 2,148
রিজনিং টোকেন 0 34,740
প্রতিক্রিয়া সময় (গড়) 3.48s 6.70s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 17.73s 29.85s
প্রতিক্রিয়া সময় (মোট) 73.00s 140.62s

জেনারেশন শোকেস

Hamster playing table tennis

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

#69 Claude Opus 4.8

none
খরচ
$0.053
সময়
22.0s
টোকেন
2,253 tok

#54 GPT-5.6 Luna

medium
খরচ
$0.014
সময়
14.6s
টোকেন
2,362 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

অ্যান্টি-এআই কৌশল স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 834 1,472 0
GPT-5.6 Luna 8.3 10.0 75.0% 0 2.52s 606 160 987
কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
GPT-5.6 Luna 5.4 7.2 44.4% 1 10.38s 7,302 564 9,928
সমন্বিত স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
GPT-5.6 Luna 10.0 10.0 100.0% 0 9.53s 12,500 375 1,354
ডেটা পার্সিং ও নিষ্কাশন স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 10,503 308 0
GPT-5.6 Luna 10.0 10.0 100.0% 0 1.95s 7,140 234 324
ডোমেইন-নির্দিষ্ট স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 5.3 7.2 44.4% 1 1.70s 975 61 0
GPT-5.6 Luna 5.3 10.0 33.3% 0 17.37s 723 68 16,531
Sadharon Buddhimotta স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 708 230 0
GPT-5.6 Luna 5.1 10.0 0.0% 0 4.34s 477 112 496
নির্দেশনা অনুসরণ স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 909 95 0
GPT-5.6 Luna 9.9 10.0 100.0% 0 2.38s 660 95 393
ধাঁধা সমাধান স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 894 783 0
GPT-5.6 Luna 7.8 10.0 66.7% 0 4.04s 642 255 2,104
টুল কলিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 11,775 355 0
GPT-5.6 Luna 10.0 10.0 100.0% 0 6.02s 5,454 256 244
সাধারণ জ্ঞান স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 258 212 0
GPT-5.6 Luna 3.0 10.0 0.0% 0 6.64s 195 29 2,379

দ্রুত তুলনা

তুলনার জুটি বদলান