Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.4

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-04

Métrica Claude Opus 4.8 Claude Opus 4.8 medium Lanzamiento: 2026-05-28 GPT-5.4 GPT-5.4 medium Lanzamiento: 2026-03-05
Puntuación 8.7 8.0
Rango #10 #21
Fiabilidad 10.0 10.0
Consistencia 9.6 8.6
Pruebas correctas
Tasa de aciertos por intento 84.1% 76.2%
Pruebas inestables 1 4
Ejecuciones totales 63 63
Costo por resultado 6.512 8.640
Costo total $1.107 $1.210
Precio de entrada $5.000 / 1M $2.500 / 1M
Precio de salida $25.000 / 1M $15.000 / 1M
Total de tokens de entrada 61,007 34,108
Tokens de salida 26,495 2,242
Tokens de razonamiento 5,901 72,707
Tiempo de respuesta (promedio) 9.66s 22.35s
Tiempo de respuesta (máximo) 38.03s 100.41s
Tiempo de respuesta (total) 202.89s 469.29s

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-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
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-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
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-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
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-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
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 14.15s 975 7,477 900
GPT-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
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-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
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-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
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-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
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-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
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-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821

Comparación rápida

Cambiar par de comparación

Gemini 3.5 FlashnonevsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.4mediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashminimalvsGPT-5.4mediumClaude Opus 4.8mediumvsGemini 3 Flash PreviewlowGPT-5.4mediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewlowvsGPT-5.4mediumClaude Opus 4.8mediumvsGemini 3.5 FlashnoneGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowGPT-5.4mediumvsStep 3.7 Flashlow