Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.6 Luna

Ringkasan

Perbandingan benchmark Claude Opus 4.6 (medium) vs GPT-5.6 Luna (high): Skor rata-rata hampir imbang di 7.7 vs 7.7. GPT-5.6 Luna (high) memiliki biaya benchmark lebih rendah di $0.924 vs $2.053. GPT-5.6 Luna (high) lebih cepat di 18.39s vs 25.89s, dengan tingkat keberhasilan 61.9% vs 71.4%.

Model yang direkomendasikan: GPT-5.6 Luna (high) - It has the best score here (7.7), while costing about 2.2x less than Claude Opus 4.6 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-09

Metrik Claude Opus 4.6 Claude Opus 4.6 medium Rilis: 2026-02-05 GPT-5.6 Luna GPT-5.6 Luna high Rilis: 2026-07-09
Skor 7.7 7.7
Peringkat #48 #50
Keandalan 10.0 10.0
Konsistensi 8.8 8.8
Tes benar
Tingkat lulus per percobaan 61.9% 71.4%
Tes tidak stabil 3 3
Total Run 63 63
Biaya per hasil 17.103 6.594
Total Biaya $2.053 $0.924
Harga input $5.000 / 1M $1.000 / 1M
Harga output $25.000 / 1M $6.000 / 1M
Total token input 53,227 35,699
Token output 47,446 2,079
Token penalaran 24,000 145,816
Waktu respons (rata-rata) 25.89s 18.39s
Waktu respons (maks) 83.40s 111.09s
Waktu respons (total) 362.49s 386.24s

Showcase generasi

Hamster playing table tennis

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

#48 Claude Opus 4.6

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

#50 GPT-5.6 Luna

high
Biaya
$0.033
Waktu
34.2s
Token
5,484 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-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
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-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
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-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
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-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
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-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
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-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
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-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
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-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
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-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
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-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsGPT-5.6 TerralowGPT-5.6 LunahighvsGrok 4.3mediumClaude Opus 4.8lowvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6mediumTersedia gratisvsGPT-5.6 LunahighGemini 3.1 Flash LitemediumvsGPT-5.6 LunahighGPT-5.6 LunahighvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 LunahighMiniMax M3mediumvsGPT-5.6 LunahighClaude Opus 4.6mediumvsDeepSeek V4 Prohigh