नेविगेशन
AI BENCHY
Advertise here

AI BENCHY तुलना

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.2

सारांश

Claude Opus 4.8 vs GPT-5.2 benchmark तुलना: GPT-5.2 average score में आगे है: 8.4 vs 7.7. GPT-5.2 की benchmark लागत कम है: $0.548 vs $1.270. Claude Opus 4.8 तेज है: 10.83s vs 16.88s, pass rates 79.4% vs 71.4%.

अनुशंसित मॉडल: GPT-5.2 - It has the best score here (8.4), while costing about 2.3x less than Claude Opus 4.8.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-02

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low रिलीज़: 2026-05-28 GPT-5.2 GPT-5.2 medium रिलीज़: 2025-12-11
स्कोर 7.7 8.4
रैंक #38 #22
विश्वसनीयता 10.0 10.0
संगति 8.8 8.4
सही परीक्षण
प्रति प्रयास पास दर 79.4% 71.4%
अस्थिर टेस्ट 3 4
कुल रन 63 63
प्रति परिणाम लागत 8.466 4.209
कुल लागत $1.270 $0.548
इनपुट कीमत $5.000 / 1M $1.750 / 1M
आउटपुट कीमत $25.000 / 1M $14.000 / 1M
कुल इनपुट टोकन 60,946 33,967
आउटपुट टोकन 31,771 2,901
रीजनिंग टोकन 6,831 31,932
प्रतिक्रिया समय (औसत) 10.83s 16.88s
प्रतिक्रिया समय (अधिकतम) 127.97s 77.80s
प्रतिक्रिया समय (कुल) 227.39s 236.34s

जनरेशन शोकेस

Hamster playing table tennis

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

#38 Claude Opus 4.8

low
लागत
$0.031
समय
14.1s
टोकन
1,345 tok

#22 GPT-5.2

medium
लागत
$0.047
समय
49.2s
टोकन
3,396 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

एंटी-एआई ट्रिक्स स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
GPT-5.2 6.5 8.0 58.3% 1 7.81s 606 567 2,002
कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
GPT-5.2 10.0 10.0 100.0% 0 22.73s 7,302 511 11,912
संयुक्त स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
GPT-5.2 10.0 10.0 100.0% 0 14.06s 11,019 291 1,757
डेटा पार्सिंग और निष्कर्षण स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
GPT-5.2 10.0 10.0 100.0% 0 3.15s 7,140 234 420
डोमेन-विशिष्ट स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
GPT-5.2 5.9 7.2 55.6% 1 77.80s 473 42 10,342
Samanya Buddhimatta स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
GPT-5.2 3.7 9.7 0.0% 0 4.32s 477 162 269
निर्देश पालन स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
GPT-5.2 9.9 10.0 100.0% 0 3.12s 660 94 614
पहेली समाधान स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
GPT-5.2 7.5 7.3 77.8% 1 5.80s 642 735 924
टूल कॉलिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
GPT-5.2 4.7 1.6 66.7% 1 10.30s 5,453 239 469
सामान्य ज्ञान स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
GPT-5.2 3.0 10.0 0.0% 0 28.18s 195 26 3,223

त्वरित तुलना

तुलना जोड़ी बदलें