Navigasi
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.6 Luna

Ringkasan

Perbandingan benchmark Claude Opus 4.8 (low) 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 $1.270. Claude Opus 4.8 (low) lebih cepat di 10.83s vs 18.39s, dengan tingkat keberhasilan 79.4% vs 71.4%.

Model yang direkomendasikan: Claude Opus 4.8 (low) - It has the best score here (7.7), while responding about 1.7x faster than GPT-5.6 Luna (high).

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

Metrik Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28 GPT-5.6 Luna GPT-5.6 Luna high Rilis: 2026-07-09
Skor 7.7 7.7
Peringkat #45 #50
Keandalan 10.0 10.0
Konsistensi 8.8 8.8
Tes benar
Tingkat lulus per percobaan 79.4% 71.4%
Tes tidak stabil 3 3
Total Run 63 63
Biaya per hasil 8.466 6.594
Total Biaya $1.270 $0.924
Harga input $5.000 / 1M $1.000 / 1M
Harga output $25.000 / 1M $6.000 / 1M
Total token input 60,946 35,699
Token output 31,771 2,079
Token penalaran 6,831 145,816
Waktu respons (rata-rata) 10.83s 18.39s
Waktu respons (maks) 127.97s 111.09s
Waktu respons (total) 227.39s 386.24s

Showcase generasi

Hamster playing table tennis

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

#45 Claude Opus 4.8

low
Biaya
$0.031
Waktu
14.1s
Token
1,345 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 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
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 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
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 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
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 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
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 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
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 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
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 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
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 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
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 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
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 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
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 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsGPT-5.6 LunahighClaude Opus 4.8lowvsKimi K2.6mediumTersedia gratisClaude Opus 4.8lowvsGrok 4.3mediumGPT-5.6 LunahighvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6mediumTersedia gratisvsGPT-5.6 LunahighGemini 3.1 Flash LitemediumvsGPT-5.6 Lunahigh