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 4.8 vs OpenAI: GPT-5.4 Mini

Resumen

Comparación benchmark de Claude Opus 4.8 vs GPT-5.4 Mini: GPT-5.4 Mini lidera en puntuación media con 8.0 vs 7.7. GPT-5.4 Mini tiene menor coste de benchmark con $0.526 vs $1.270. Claude Opus 4.8 es más rápido con 10.83s vs 22.34s, con tasas de acierto de 79.4% vs 73.0%.

Modelo recomendado: GPT-5.4 Mini - Tiene la mejor puntuación aquí (8.0) y cuesta aproximadamente 2.4x menos que Claude Opus 4.8.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-30

Métrica Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28 GPT-5.4 Mini GPT-5.4 Mini medium Lanzamiento: 2026-03-17
Puntuación 7.7 8.0
Rango #38 #27
Fiabilidad 10.0 10.0
Consistencia 8.8 8.0
Pruebas correctas
Tasa de aciertos por intento 79.4% 73.0%
Pruebas inestables 3 5
Ejecuciones totales 63 63
Costo por resultado 8.466 4.381
Costo total $1.270 $0.526
Precio de entrada $5.000 / 1M $0.750 / 1M
Precio de salida $25.000 / 1M $4.500 / 1M
Total de tokens de entrada 60,946 34,116
Tokens de salida 31,771 2,181
Tokens de razonamiento 6,831 108,937
Tiempo de respuesta (promedio) 10.83s 22.34s
Tiempo de respuesta (máximo) 127.97s 138.75s
Tiempo de respuesta (total) 227.39s 469.20s

Generación showcase

Hamster playing table tennis

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

#38 Claude Opus 4.8

low
Coste
$0.031
Tiempo
14.1s
Tokens
1,345 tok

#27 GPT-5.4 Mini

medium
Coste
$0.056
Tiempo
95.5s
Tokens
12,464 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 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
GPT-5.4 Mini 8.6 7.9 91.7% 1 4.05s 606 296 2,876
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 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
GPT-5.4 Mini 8.4 7.4 88.9% 1 57.87s 7,305 467 40,902
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 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
GPT-5.4 Mini 10.0 10.0 100.0% 0 17.81s 11,019 317 4,317
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 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
GPT-5.4 Mini 10.0 10.0 100.0% 0 2.43s 7,140 234 650
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 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
GPT-5.4 Mini 4.1 4.4 44.5% 2 65.31s 619 60 43,286
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 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
GPT-5.4 Mini 4.5 10.0 0.0% 0 3.72s 477 150 510
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 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
GPT-5.4 Mini 9.8 10.0 100.0% 0 2.13s 660 96 1,185
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 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
GPT-5.4 Mini 7.8 10.0 66.7% 0 4.37s 642 278 2,443
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 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
GPT-5.4 Mini 4.7 1.6 66.7% 1 9.62s 5,453 251 2,594
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 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
GPT-5.4 Mini 3.0 10.0 0.0% 0 30.10s 195 32 10,174

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6mediumDisponible gratisClaude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsGrok Build 0.1mediumClaude Opus 4.8lowvsQwen3.5-27BmediumClaude Opus 4.8lowvsKimi K2.5medium