Navigasi
AI BENCHY
Your ad here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs OpenAI: gpt-oss-120b

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-04-29

Metrik Claude Opus 4.6 Claude Opus 4.6 medium Rilis: 2026-02-05 gpt-oss-120b gpt-oss-120b medium Rilis: 2025-08-05 Tersedia gratis
Skor 7.6 5.8
Peringkat #49 #88
Keandalan T/A T/A
Konsistensi 9.1 7.2
Tes benar
Tingkat lulus per percobaan 70.4% 51.9%
Tes tidak stabil 2 6
Total Run 54 54
Biaya per hasil 12.047 0.144
Total Biaya $1.446 $0.011
Harga input $5.000 / 1M $0.000 / 1M
Harga output $25.000 / 1M $0.000 / 1M
Token output 29,829 13,493
Token penalaran 18,938 36,879
Waktu respons (rata-rata) 21.08s 16.08s
Waktu respons (maks) 83.40s 50.92s
Waktu respons (total) 231.84s 176.88s

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 output Token penalaran
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 986 1,071
gpt-oss-120b 6.7 9.9 50.0% 0 10.21s 3,518 2,177
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 23.11s 3,486 1,504
gpt-oss-120b 4.3 1.1 66.7% 1 26.33s 228 2,549
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
gpt-oss-120b 10.0 10.0 100.0% 0 31.18s 694 5,072
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 691 757
gpt-oss-120b 6.4 5.9 66.7% 1 1.98s 241 1,114
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 14,642 8,687
gpt-oss-120b 2.9 4.4 22.2% 2 50.92s 6,784 20,606
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
gpt-oss-120b 4.3 10.0 0.0% 0 7.90s 107 387
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
gpt-oss-120b 9.9 10.0 100.0% 0 7.63s 126 1,799
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 7.7 10.0 66.7% 0 4.60s 531 637
gpt-oss-120b 3.2 4.7 22.2% 2 11.80s 1,508 2,092
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
gpt-oss-120b 9.8 10.0 100.0% 0 6.91s 287 1,083

Perbandingan Cepat

Ganti Pasangan Perbandingan

Kimi K2.6nonevsgpt-oss-120bmediumTersedia gratisgpt-oss-120bmediumTersedia gratisvsQwen3.5-27BnoneClaude Opus 4.6mediumvsGPT-5.3 Chatnonegpt-oss-120bmediumTersedia gratisvsQwen3.5 Plus 2026-04-20nonegpt-oss-120bmediumTersedia gratisvsMiMo-V2.5-Prononegpt-oss-120bmediumTersedia gratisvsQwen3.6 Flashnonegpt-oss-120bmediumTersedia gratisvsQwen3.5-122B-A10Bnonegpt-oss-120bmediumTersedia gratisvsMiMo-V2-PrononeDeepSeek V3.2nonevsgpt-oss-120bmediumTersedia gratisgpt-oss-120bmediumTersedia gratisvsQwen3.6 27BnoneClaude Opus 4.6mediumvsDeepSeek V4 FlashhighDeepSeek V4 Prononevsgpt-oss-120bmediumTersedia gratis