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 9.0 vs 7.7. Claude Opus 4.8 memiliki biaya benchmark lebih rendah di $1.270 vs $3.679. Claude Opus 4.8 lebih cepat di 10.83s vs 37.98s, dengan tingkat keberhasilan 79.4% vs 87.3%.

Model yang direkomendasikan: Claude Opus 4.8 - It offers the best overall trade-off: a competitive score (7.7), lower cost than GPT-5.5, and balanced response time.

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

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

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	GPT-5.5 GPT-5.5 medium Rilis: 2026-04-24
Skor	7.7	9.0
Peringkat	#38	#9
Keandalan	10.0	10.0
Konsistensi	8.8	8.9
Tes benar
Tingkat lulus per percobaan	79.4%	87.3%
Tes tidak stabil	3	3
Total Run	63	63
Biaya per hasil	8.466	21.638
Total Biaya	$1.270	$3.679
Harga input	$5.000 / 1M	$5.000 / 1M
Harga output	$25.000 / 1M	$30.000 / 1M
Total token input	60,946	34,212
Token output	31,771	1,985
Token penalaran	6,831	114,925
Waktu respons (rata-rata)	10.83s	37.98s
Waktu respons (maks)	127.97s	332.10s
Waktu respons (total)	227.39s	797.60s

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

#9 GPT-5.5

medium

Biaya: $0.112
Waktu: 71.9s
Token: 3,807 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		4.66s	606	250	1,335

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	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959

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		19.29s	11,019	312	2,841

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		4.18s	7,140	234	593

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	7.2	44.4%	1		164.14s	723	67	79,625

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		4.16s	477	138	223

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	10.0	10.0	100.0%	0		3.36s	660	93	538

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		6.76s	642	241	2,225

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		10.57s	5,445	258	832

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	2.8	1.6	33.3%	1		37.86s	195	30	1,754

Perbandingan Cepat

Ganti Pasangan Perbandingan