नेविगेशन
AI BENCHY
Advertise here

Anthropic: Claude Opus 4.7 vs OpenAI: GPT-5.4

Claude Opus 4.7 (medium) average score में आगे है: 8.7 vs 8.5. Claude Opus 4.7 (medium) की benchmark लागत कम है: $1.477 vs $1.533. Claude Opus 4.7 (medium) तेज है: 7.61s vs 23.10s, pass rates 83.3% vs 77.3%.

अनुशंसित मॉडलClaude Opus 4.7 (medium)It has the best score here (8.7), while responding about 3.0x faster than GPT-5.4 (medium).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-18

मेट्रिक Claude Opus 4.7 Claude Opus 4.7 medium रिलीज़: 2026-04-16 GPT-5.4 GPT-5.4 medium रिलीज़: 2026-03-05
स्कोर 8.7 8.5
रैंक #15 #18
विश्वसनीयता 10.0 10.0
संगति 9.6 8.6
सही परीक्षण
प्रति प्रयास पास दर 83.3% 77.3%
अस्थिर टेस्ट 1 4
कुल रन 66 66
प्रति परिणाम लागत 8.201 10.220
कुल लागत $1.477 $1.533
इनपुट कीमत $5.000 / 1M $2.500 / 1M
आउटपुट कीमत $25.000 / 1M $15.000 / 1M
कुल इनपुट टोकन 145,252 81,127
आउटपुट टोकन 24,948 6,155
रीजनिंग टोकन 5,042 82,515
प्रतिक्रिया समय (औसत) 7.61s 23.10s
प्रतिक्रिया समय (अधिकतम) 65.40s 100.41s
प्रतिक्रिया समय (कुल) 159.91s 508.26s

Hamster playing table tennis

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

#15 Claude Opus 4.7

medium
लागत
$0.059
समय
26.8s
टोकन
2,475 tok

#18 GPT-5.4

medium
लागत
$0.214
समय
199.6s
टोकन
14,349 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216

त्वरित तुलना

तुलना जोड़ी बदलें