AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark Claude Opus 4.8 (low) vs GPT-5.6 Sol (medium): GPT-5.6 Sol (medium) unggul dalam skor rata-rata dengan 9.4 vs 7.7. GPT-5.6 Sol (medium) memiliki biaya benchmark lebih rendah di $0.966 vs $1.270. GPT-5.6 Sol (medium) lebih cepat di 10.79s vs 10.83s, dengan tingkat keberhasilan 79.4% vs 90.5%.

Model yang direkomendasikan: GPT-5.6 Sol (medium) - It has the strongest score in this comparison (9.4) and the best overall balance of cost and response time across all 2 models.

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 Sol GPT-5.6 Sol medium Rilis: 2026-07-09

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	GPT-5.6 Sol GPT-5.6 Sol medium Rilis: 2026-07-09
Skor	7.7	9.4
Peringkat	#45	#5
Keandalan	10.0	10.0
Konsistensi	8.8	8.8
Tes benar
Tingkat lulus per percobaan	79.4%	90.5%
Tes tidak stabil	3	3
Total Run	63	63
Biaya per hasil	8.466	5.682
Total Biaya	$1.270	$0.966
Harga input	$5.000 / 1M	$5.000 / 1M
Harga output	$25.000 / 1M	$30.000 / 1M
Total token input	60,946	34,218
Token output	31,771	1,895
Token penalaran	6,831	24,600
Waktu respons (rata-rata)	10.83s	10.79s
Waktu respons (maks)	127.97s	79.40s
Waktu respons (total)	227.39s	226.57s

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

#5 GPT-5.6 Sol

medium

Biaya: $0.124
Waktu: 57.2s
Token: 4,199 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 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572

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 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706

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 Sol	10.0	10.0	100.0%	0		12.13s	11,019	318	1,214

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 Sol	10.0	10.0	100.0%	0		1.38s	7,140	222	0

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 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201

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 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214

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 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249

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 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566

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 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361

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 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517

Perbandingan Cepat

Ganti Pasangan Perbandingan