AI BENCHY Compare

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

Resumen

Comparación benchmark de Claude Opus 4.8 (low) vs GPT-5.6 Luna (medium): Claude Opus 4.8 (low) lidera en puntuación media con 7.7 vs 7.6. GPT-5.6 Luna (medium) tiene menor coste de benchmark con $0.258 vs $1.270. GPT-5.6 Luna (medium) es más rápido con 6.70s vs 10.83s, con tasas de acierto de 79.4% vs 63.5%.

Modelo recomendado: GPT-5.6 Luna (medium) - Su puntuación se mantiene cerca de la mejor aquí (7.6 vs 7.7) y cuesta aproximadamente 4.9x menos que Claude Opus 4.8 (low).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-09

Métrica	Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28	GPT-5.6 Luna GPT-5.6 Luna medium Lanzamiento: 2026-07-09

Métrica	Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28	GPT-5.6 Luna GPT-5.6 Luna medium Lanzamiento: 2026-07-09
Puntuación	7.7	7.6
Rango	#45	#54
Fiabilidad	10.0	10.0
Consistencia	8.8	9.6
Pruebas correctas
Tasa de aciertos por intento	79.4%	63.5%
Pruebas inestables	3	1
Ejecuciones totales	63	63
Costo por resultado	8.466	1.978
Costo total	$1.270	$0.258
Precio de entrada	$5.000 / 1M	$1.000 / 1M
Precio de salida	$25.000 / 1M	$6.000 / 1M
Total de tokens de entrada	60,946	35,699
Tokens de salida	31,771	2,148
Tokens de razonamiento	6,831	34,740
Tiempo de respuesta (promedio)	10.83s	6.70s
Tiempo de respuesta (máximo)	127.97s	29.85s
Tiempo de respuesta (total)	227.39s	140.62s

Generación showcase

Hamster playing table tennis

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

#45 Claude Opus 4.8

low

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

#54 GPT-5.6 Luna

medium

Coste: $0.014
Tiempo: 14.6s
Tokens: 2,362 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-5.6 Luna	8.3	10.0	75.0%	0		2.52s	606	160	987

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-5.6 Luna	5.4	7.2	44.4%	1		10.38s	7,302	564	9,928

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-5.6 Luna	10.0	10.0	100.0%	0		9.53s	12,500	375	1,354

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-5.6 Luna	10.0	10.0	100.0%	0		1.95s	7,140	234	324

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-5.6 Luna	5.3	10.0	33.3%	0		17.37s	723	68	16,531

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-5.6 Luna	5.1	10.0	0.0%	0		4.34s	477	112	496

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-5.6 Luna	9.9	10.0	100.0%	0		2.38s	660	95	393

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-5.6 Luna	7.8	10.0	66.7%	0		4.04s	642	255	2,104

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-5.6 Luna	10.0	10.0	100.0%	0		6.02s	5,454	256	244

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-5.6 Luna	3.0	10.0	0.0%	0		6.64s	195	29	2,379

Comparación rápida

Cambiar par de comparación