AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs DeepSeek: DeepSeek V3.2

Ringkasan

Claude Opus 4.8 (low) unggul dalam skor rata-rata dengan 7.8 vs 7.0. DeepSeek V3.2 (medium) memiliki biaya benchmark lebih rendah di $0.078 vs $2.077. Claude Opus 4.8 (low) lebih cepat di 12.74s vs 68.62s, dengan tingkat keberhasilan 80.3% vs 65.2%.

Model yang direkomendasikanClaude Opus 4.8 (low)It has the best score here (7.8), while responding about 5.4x faster than DeepSeek V3.2 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01
Skor	7.8	7.0
Peringkat	#39	#73
Keandalan	10.0	10.0
Konsistensi	8.9	7.4
Tes benar
Tingkat lulus per percobaan	80.3%	65.2%
Tes tidak stabil	3	7
Total Run	66	66
Biaya per hasil	12.979	0.671
Total Biaya	$2.077	$0.078
Harga input	$5.000 / 1M	$0.269 / 1M
Harga output	$25.000 / 1M	$0.400 / 1M
Total token input	156,525	101,047
Token output	43,141	11,834
Token penalaran	8,617	117,014
Waktu respons (rata-rata)	12.74s	68.62s
Waktu respons (maks)	127.97s	376.10s
Waktu respons (total)	280.29s	1509.53s

Showcase generasi

Hamster playing table tennis

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

#39 Claude Opus 4.8

low

Biaya: $0.031
Waktu: 14.1s
Token: 1,345 tok

#73 DeepSeek V3.2

medium

Biaya: $0.001
Waktu: 53.6s
Token: 1,932 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

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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.9	10.0	100.0%	0		36.87s	119,079	13,586	2,867
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229

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 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693

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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838

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 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189

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 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845

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 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375

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 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859

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 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019

Perbandingan Cepat

Ganti Pasangan Perbandingan

DeepSeek V3.2mediumvsGemini 3.5 Flashnone Claude Opus 4.8lowvsGLM 5medium Claude Opus 4.8lowvsGPT-5.6 Lunahigh Claude Opus 4.8lowvsGPT-5.6 Terramedium Claude Opus 4.8lowvsGLM 5.2medium Claude Opus 4.8lowvsQwen3.6 Plusmedium Claude Opus 4.8lowvsDeepSeek V4 Flashhigh Claude Opus 4.8lowvsDeepSeek V4 Prohigh DeepSeek V3.2mediumvsGPT-5.6 Solnone Claude Opus 4.8lowvsQwen3.7 Plusmedium Claude Opus 4.8lowvsSeed-2.0-Litemedium Claude Opus 4.8lowvsMiniMax M3medium