Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.5

Resumen

Comparación benchmark de Claude Opus 4.8 (medium) vs GPT-5.5 (medium): GPT-5.5 (medium) lidera en puntuación media con 9.0 vs 8.8. Claude Opus 4.8 (medium) tiene menor coste de benchmark con $1.107 vs $3.679. Claude Opus 4.8 (medium) es más rápido con 9.72s vs 37.98s, con tasas de acierto de 84.1% vs 87.3%.

Modelo recomendado: Claude Opus 4.8 (medium) - Su puntuación se mantiene cerca de la mejor aquí (8.8 vs 9.0) y cuesta aproximadamente 3.3x menos que GPT-5.5 (medium).

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-5.5 GPT-5.5 medium Lanzamiento: 2026-04-24
Puntuación 8.8 9.0
Rango #15 #12
Fiabilidad 10.0 10.0
Consistencia 9.6 8.9
Pruebas correctas
Tasa de aciertos por intento 84.1% 87.3%
Pruebas inestables 1 3
Ejecuciones totales 63 63
Costo por resultado 6.512 21.638
Costo total $1.107 $3.679
Precio de entrada $5.000 / 1M $5.000 / 1M
Precio de salida $25.000 / 1M $30.000 / 1M
Total de tokens de entrada 61,007 34,212
Tokens de salida 26,495 1,985
Tokens de razonamiento 5,901 114,925
Tiempo de respuesta (promedio) 9.72s 37.98s
Tiempo de respuesta (máximo) 38.03s 332.10s
Tiempo de respuesta (total) 204.19s 797.60s

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

#12 GPT-5.5

medium
Coste
$0.112
Tiempo
71.9s
Tokens
3,807 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-5.5 10.0 10.0 100.0% 0 4.66s 606 250 1,335
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-5.5 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
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-5.5 10.0 10.0 100.0% 0 19.29s 11,019 312 2,841
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-5.5 10.0 10.0 100.0% 0 4.18s 7,140 234 593
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-5.5 5.3 7.2 44.4% 1 164.14s 723 67 79,625
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-5.5 10.0 10.0 100.0% 0 4.16s 477 138 223
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-5.5 10.0 10.0 100.0% 0 3.36s 660 93 538
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-5.5 10.0 10.0 100.0% 0 6.76s 642 241 2,225
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-5.5 10.0 10.0 100.0% 0 10.57s 5,445 258 832
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-5.5 2.8 1.6 33.3% 1 37.86s 195 30 1,754

Comparación rápida

Cambiar par de comparación

Gemini 3.5 FlashlowvsGPT-5.5mediumClaude 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 TerrahighClaude Opus 4.8mediumvsGPT-5.6 SollowDeepSeek V4 FlashhighvsGPT-5.5mediumClaude Opus 4.8mediumvsGLM 5.2highGemini 3.5 FlashhighvsGPT-5.5mediumGPT-5.5mediumvsGLM 5.2high