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

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.2 Chat

Ringkasan

Perbandingan benchmark Claude Opus 4.6 vs GPT-5.2 Chat: GPT-5.2 Chat unggul dalam skor rata-rata dengan 8.5 vs 7.7. GPT-5.2 Chat memiliki biaya benchmark lebih rendah di $0.393 vs $2.053. GPT-5.2 Chat lebih cepat di 7.13s vs 25.89s, dengan tingkat keberhasilan 61.9% vs 74.6%.

Model yang direkomendasikan: GPT-5.2 Chat - It has the best score here (8.5), while costing about 5.2x less than Claude Opus 4.6.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-02

Metrik Claude Opus 4.6 Claude Opus 4.6 medium Rilis: 2026-02-05 GPT-5.2 Chat GPT-5.2 Chat none Rilis: 2025-12-11
Skor 7.7 8.5
Peringkat #40 #19
Keandalan 10.0 10.0
Konsistensi 8.8 8.9
Tes benar
Tingkat lulus per percobaan 61.9% 74.6%
Tes tidak stabil 3 3
Total Run 63 63
Biaya per hasil 17.103 2.803
Total Biaya $2.053 $0.393
Harga input $5.000 / 1M $1.750 / 1M
Harga output $25.000 / 1M $14.000 / 1M
Total token input 53,227 34,212
Token output 47,446 23,744
Token penalaran 24,000 0
Waktu respons (rata-rata) 25.89s 7.13s
Waktu respons (maks) 83.40s 38.52s
Waktu respons (total) 362.49s 149.69s

Showcase generasi

Hamster playing table tennis

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

#40 Claude Opus 4.6

medium
SVG tidak valid
Biaya
$0.000
Waktu
300.0s
Token
0 tok

#19 GPT-5.2 Chat

none
Biaya
$0.010
Waktu
15.3s
Token
797 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 606 1,807 0
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
GPT-5.2 Chat 8.8 7.8 88.9% 1 9.82s 7,305 6,731 0
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 11,019 1,243 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 7,140 980 0
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 723 7,810 0
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 477 335 0
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 660 1,441 0
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 642 1,603 0
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 5,445 555 0
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token input Token output Token penalaran
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 195 1,239 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Seed-2.0-LitemediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowGPT-5.2 ChatnonevsGLM 5mediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighGPT-5.2 ChatnonevsGLM 5.2mediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.7 PlusmediumClaude Opus 4.6mediumvsGemini 3 Flash Previewlow