नेविगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Opus 4.8 vs Claude Opus 5

Claude Opus 4.8 (medium) average score में आगे है: 8.8 vs 8.6. Claude Opus 5 (low) की benchmark लागत कम है: $1.121 vs $1.931. Claude Opus 5 (low) तेज है: 6.99s vs 12.49s, pass rates 84.9% vs 80.3%.

अनुशंसित मॉडलClaude Opus 5 (low)Its score stays close to the best score here (8.6 vs 8.8), while costing about 1.7x less than Claude Opus 4.8 (medium).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-25

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 medium रिलीज़: 2026-05-28 Claude Opus 5 Claude Opus 5 low रिलीज़: 2026-07-25
स्कोर 8.8 8.6
रैंक #19 #23
विश्वसनीयता 10.0 10.0
संगति 9.6 9.3
सही परीक्षण
प्रति प्रयास पास दर 84.9% 80.3%
अस्थिर टेस्ट 1 2
कुल रन 66 66
प्रति परिणाम लागत 10.724 6.593
कुल लागत $1.931 $1.121
इनपुट कीमत $5.000 / 1M $5.000 / 1M
आउटपुट कीमत $25.000 / 1M $25.000 / 1M
कुल इनपुट टोकन 138,451 134,773
आउटपुट टोकन 40,766 14,123
रीजनिंग टोकन 9,075 3,896
प्रतिक्रिया समय (औसत) 12.49s 6.99s
प्रतिक्रिया समय (अधिकतम) 70.54s 30.67s
प्रतिक्रिया समय (कुल) 274.72s 153.73s

Hamster playing table tennis

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

#19 Claude Opus 4.8

medium
लागत
$0.057
समय
23.1s
टोकन
2,412 tok

#23 Claude Opus 5

low
लागत
$0.062
समय
30.2s
टोकन
2,615 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 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
Claude Opus 5 7.8 7.4 77.8% 1 6.70s 10,590 2,442 760

त्वरित तुलना

तुलना जोड़ी बदलें