AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.5

Resumen

Comparación benchmark de Claude Opus 4.8 vs GPT-5.5: GPT-5.5 lidera en puntuación media con 9.3 vs 7.7. GPT-5.5 tiene menor coste de benchmark con $0.907 vs $1.270. GPT-5.5 es más rápido con 9.76s vs 10.83s, con tasas de acierto de 79.4% vs 85.7%.

Modelo recomendado: GPT-5.5 - Tiene la puntuación más alta en esta comparación (9.3) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

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-5.5 GPT-5.5 low Lanzamiento: 2026-04-24

Métrica	Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28	GPT-5.5 GPT-5.5 low Lanzamiento: 2026-04-24
Puntuación	7.7	9.3
Rango	#38	#4
Fiabilidad	10.0	10.0
Consistencia	8.8	10.0
Pruebas correctas
Tasa de aciertos por intento	79.4%	85.7%
Pruebas inestables	3	0
Ejecuciones totales	63	63
Costo por resultado	8.466	5.035
Costo total	$1.270	$0.907
Precio de entrada	$5.000 / 1M	$5.000 / 1M
Precio de salida	$25.000 / 1M	$30.000 / 1M
Total de tokens de entrada	60,946	34,209
Tokens de salida	31,771	2,046
Tokens de razonamiento	6,831	22,460
Tiempo de respuesta (promedio)	10.83s	9.76s
Tiempo de respuesta (máximo)	127.97s	56.19s
Tiempo de respuesta (total)	227.39s	204.92s

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

#4 GPT-5.5

low

Coste: $0.068
Tiempo: 37.0s
Tokens: 2,339 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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

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-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

Comparación rápida

Cambiar par de comparación