AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.5

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs GPT-5.5: GPT-5.5 unggul dalam skor rata-rata dengan 9.3 vs 7.7. GPT-5.5 memiliki biaya benchmark lebih rendah di $0.907 vs $1.270. GPT-5.5 lebih cepat di 9.76s vs 10.83s, dengan tingkat keberhasilan 79.4% vs 85.7%.

Model yang direkomendasikan: GPT-5.5 - It has the strongest score in this comparison (9.3) and the best overall balance of cost and response time across all 2 models.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-30

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	GPT-5.5 GPT-5.5 low Rilis: 2026-04-24

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	GPT-5.5 GPT-5.5 low Rilis: 2026-04-24
Skor	7.7	9.3
Peringkat	#38	#4
Keandalan	10.0	10.0
Konsistensi	8.8	10.0
Tes benar
Tingkat lulus per percobaan	79.4%	85.7%
Tes tidak stabil	3	0
Total Run	63	63
Biaya per hasil	8.466	5.035
Total Biaya	$1.270	$0.907
Harga input	$5.000 / 1M	$5.000 / 1M
Harga output	$25.000 / 1M	$30.000 / 1M
Total token input	60,946	34,209
Token output	31,771	2,046
Token penalaran	6,831	22,460
Waktu respons (rata-rata)	10.83s	9.76s
Waktu respons (maks)	127.97s	56.19s
Waktu respons (total)	227.39s	204.92s

Showcase generasi

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

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

#4 GPT-5.5

low

Biaya: $0.068
Waktu: 37.0s
Token: 2,339 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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
GPT-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

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
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

Perbandingan Cepat

Ganti Pasangan Perbandingan