AI BENCHY Compare

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

Resumen

Comparación benchmark de Claude Opus 4.8 (low) vs GPT-5.6 Sol (medium): GPT-5.6 Sol (medium) lidera en puntuación media con 9.4 vs 7.7. GPT-5.6 Sol (medium) tiene menor coste de benchmark con $0.966 vs $1.270. GPT-5.6 Sol (medium) es más rápido con 10.79s vs 10.83s, con tasas de acierto de 79.4% vs 90.5%.

Modelo recomendado: GPT-5.6 Sol (medium) - Tiene la puntuación más alta en esta comparación (9.4) 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: 2026-07-09

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

Métrica	Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28	GPT-5.6 Sol GPT-5.6 Sol medium Lanzamiento: 2026-07-09
Puntuación	7.7	9.4
Rango	#45	#5
Fiabilidad	10.0	10.0
Consistencia	8.8	8.8
Pruebas correctas
Tasa de aciertos por intento	79.4%	90.5%
Pruebas inestables	3	3
Ejecuciones totales	63	63
Costo por resultado	8.466	5.682
Costo total	$1.270	$0.966
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	34,218
Tokens de salida	31,771	1,895
Tokens de razonamiento	6,831	24,600
Tiempo de respuesta (promedio)	10.83s	10.79s
Tiempo de respuesta (máximo)	127.97s	79.40s
Tiempo de respuesta (total)	227.39s	226.57s

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

#5 GPT-5.6 Sol

medium

Coste: $0.124
Tiempo: 57.2s
Tokens: 4,199 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 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572

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 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706

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 Sol	10.0	10.0	100.0%	0		12.13s	11,019	318	1,214

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 Sol	10.0	10.0	100.0%	0		1.38s	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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
GPT-5.6 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201

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 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214

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 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249

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 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566

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 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361

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 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517

Comparación rápida

Cambiar par de comparación