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 (medium): Claude Opus 4.8 (low) unggul dalam skor rata-rata dengan 7.7 vs 7.6. GPT-5.6 Luna (medium) memiliki biaya benchmark lebih rendah di $0.258 vs $1.270. GPT-5.6 Luna (medium) lebih cepat di 6.70s vs 10.83s, dengan tingkat keberhasilan 79.4% vs 63.5%.

Model yang direkomendasikan: GPT-5.6 Luna (medium) - Its score stays close to the best score here (7.6 vs 7.7), while costing about 4.9x less than Claude Opus 4.8 (low).

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 medium Rilis: 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 medium Rilis: 2026-07-09
Skor	7.7	7.6
Peringkat	#45	#54
Keandalan	10.0	10.0
Konsistensi	8.8	9.6
Tes benar
Tingkat lulus per percobaan	79.4%	63.5%
Tes tidak stabil	3	1
Total Run	63	63
Biaya per hasil	8.466	1.978
Total Biaya	$1.270	$0.258
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	2,148
Token penalaran	6,831	34,740
Waktu respons (rata-rata)	10.83s	6.70s
Waktu respons (maks)	127.97s	29.85s
Waktu respons (total)	227.39s	140.62s

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

#54 GPT-5.6 Luna

medium

Biaya: $0.014
Waktu: 14.6s
Token: 2,362 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		2.52s	606	160	987

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	5.4	7.2	44.4%	1		10.38s	7,302	564	9,928

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		9.53s	12,500	375	1,354

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		1.95s	7,140	234	324

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	5.3	10.0	33.3%	0		17.37s	723	68	16,531

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	5.1	10.0	0.0%	0		4.34s	477	112	496

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		2.38s	660	95	393

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	7.8	10.0	66.7%	0		4.04s	642	255	2,104

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		6.02s	5,454	256	244

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		6.64s	195	29	2,379

Perbandingan Cepat

Ganti Pasangan Perbandingan