Navegación
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 4.6 vs OpenAI: GPT-5.5

Resumen

Comparación benchmark de Claude Opus 4.6 vs GPT-5.5: Claude Opus 4.6 lidera en puntuación media con 7.0 vs 6.4. GPT-5.5 tiene menor coste de benchmark con $0.231 vs $2.053. GPT-5.5 es más rápido con 1.89s vs 25.89s, con tasas de acierto de 61.9% vs 54.0%.

Modelo recomendado: GPT-5.5 - Su puntuación se mantiene cerca de la mejor aquí (6.4 vs 7.0) y cuesta aproximadamente 8.9x menos que Claude Opus 4.6.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-04

Métrica Claude Opus 4.6 Claude Opus 4.6 medium Lanzamiento: 2026-02-05 GPT-5.5 GPT-5.5 none Lanzamiento: 2026-04-24
Puntuación 7.0 6.4
Rango #69 #91
Fiabilidad 10.0 10.0
Consistencia 8.8 8.8
Pruebas correctas
Tasa de aciertos por intento 61.9% 54.0%
Pruebas inestables 3 3
Ejecuciones totales 63 63
Costo por resultado 17.103 2.302
Costo total $2.053 $0.231
Precio de entrada $5.000 / 1M $5.000 / 1M
Precio de salida $25.000 / 1M $30.000 / 1M
Total de tokens de entrada 53,227 34,212
Tokens de salida 47,446 1,971
Tokens de razonamiento 24,000 0
Tiempo de respuesta (promedio) 25.89s 1.89s
Tiempo de respuesta (máximo) 83.40s 5.56s
Tiempo de respuesta (total) 362.49s 39.64s

Generation showcase

Hamster playing table tennis

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

#69 Claude Opus 4.6

medium
Invalid SVG
Cost
$0.000
Time
300.0s
Tokens
0 tok

#91 GPT-5.5

none
Cost
$0.090
Time
54.3s
Tokens
3,063 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
GPT-5.5 6.9 7.9 66.7% 1 1.31s 606 213 0
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
GPT-5.5 5.5 10.0 33.3% 0 1.35s 7,305 462 0
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
GPT-5.5 3.0 10.0 0.0% 0 5.56s 11,019 300 0
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
GPT-5.5 10.0 10.0 100.0% 0 1.18s 7,140 222 0
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
GPT-5.5 2.9 7.2 11.1% 1 1.31s 723 52 0
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
GPT-5.5 10.0 10.0 100.0% 0 3.41s 477 124 0
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
GPT-5.5 6.2 5.8 66.7% 1 1.15s 660 81 0
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
GPT-5.5 7.7 10.0 66.7% 0 1.29s 642 252 0
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
GPT-5.5 10.0 10.0 100.0% 0 3.90s 5,445 247 0
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
GPT-5.5 3.0 10.0 0.0% 0 5.01s 195 18 0

Comparación rápida

Cambiar par de comparación

Claude Opus 4.6mediumvsStep 3.7 FlashhighGemini 3.1 Flash LiteminimalvsGPT-5.5noneClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash LitelowClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsStep 3.7 FlashlowMercury 2mediumvsGPT-5.5noneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowGPT-5.5nonevsQwen3.6 27BmediumClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneDeepSeek V4 ProhighvsGPT-5.5none