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-5.3-Codex

Resumen

Comparación benchmark de Claude Opus 4.8 (medium) vs GPT-5.3-Codex (medium): GPT-5.3-Codex (medium) lidera en puntuación media con 8.9 vs 8.8. GPT-5.3-Codex (medium) tiene menor coste de benchmark con $0.740 vs $1.107. Claude Opus 4.8 (medium) es más rápido con 9.72s vs 16.22s, con tasas de acierto de 84.1% vs 82.5%.

Modelo recomendado: GPT-5.3-Codex (medium) - Tiene la puntuación más alta en esta comparación (8.9) 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: 2026-07-10

Métrica Claude Opus 4.8 Claude Opus 4.8 medium Lanzamiento: 2026-05-28 GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05
Puntuación 8.8 8.9
Rango #15 #13
Fiabilidad 10.0 10.0
Consistencia 9.6 8.5
Pruebas correctas
Tasa de aciertos por intento 84.1% 82.5%
Pruebas inestables 1 4
Ejecuciones totales 63 63
Costo por resultado 6.512 4.932
Costo total $1.107 $0.740
Precio de entrada $5.000 / 1M $1.750 / 1M
Precio de salida $25.000 / 1M $14.000 / 1M
Total de tokens de entrada 61,007 34,299
Tokens de salida 26,495 2,357
Tokens de razonamiento 5,901 46,189
Tiempo de respuesta (promedio) 9.72s 16.22s
Tiempo de respuesta (máximo) 38.03s 100.93s
Tiempo de respuesta (total) 204.19s 340.67s

Generación showcase

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
Coste
$0.057
Tiempo
23.1s
Tokens
2,412 tok

#13 GPT-5.3-Codex

medium
Coste
$0.049
Tiempo
54.9s
Tokens
3,580 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 3.95s 834 1,179 478
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 606 240 1,722
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 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
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 38.03s 23,561 5,260 1,588
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 2,731
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 7.1 5.6 83.3% 1 12.29s 10,503 481 312
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 7,140 234 728
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 14.59s 975 7,477 900
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 813 64 25,308
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 2.46s 708 237 0
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 477 187 331
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 10.0 10.0 100.0% 0 3.32s 909 373 320
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 660 93 693
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 3.95s 894 791 483
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.05s 642 356 1,593
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 8.96s 11,775 301 225
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 5,445 254 492
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 6.14s 258 451 214
GPT-5.3-Codex 2.8 1.6 33.3% 1 14.43s 195 30 1,701

Comparación rápida

Cambiar par de comparación

Gemini 3.5 FlashlowvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGPT-5.2 ChatnoneClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.8mediumvsDeepSeek V4 FlashhighClaude Opus 4.8mediumvsGPT-5.6 TerrahighDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGPT-5.6 SollowClaude Opus 4.8mediumvsGLM 5.2highGPT-5.3-CodexmediumvsGLM 5.2highGemini 3.5 FlashhighvsGPT-5.3-Codexmedium