AI BENCHY Compare

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

Ringkasan

Perbandingan benchmark Claude Opus 4.8 (low) vs GPT-5.6 Terra (medium): GPT-5.6 Terra (medium) unggul dalam skor rata-rata dengan 7.8 vs 7.7. GPT-5.6 Terra (medium) memiliki biaya benchmark lebih rendah di $0.496 vs $1.270. GPT-5.6 Terra (medium) lebih cepat di 6.69s vs 10.83s, dengan tingkat keberhasilan 79.4% vs 68.3%.

Model yang direkomendasikan: GPT-5.6 Terra (medium) - It has the best score here (7.8), while costing about 2.6x 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 Terra GPT-5.6 Terra medium Rilis: 2026-07-09

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	GPT-5.6 Terra GPT-5.6 Terra medium Rilis: 2026-07-09
Skor	7.7	7.8
Peringkat	#45	#37
Keandalan	10.0	10.0
Konsistensi	8.8	9.2
Tes benar
Tingkat lulus per percobaan	79.4%	68.3%
Tes tidak stabil	3	2
Total Run	63	63
Biaya per hasil	8.466	3.815
Total Biaya	$1.270	$0.496
Harga input	$5.000 / 1M	$2.500 / 1M
Harga output	$25.000 / 1M	$15.000 / 1M
Total token input	60,946	34,218
Token output	31,771	1,982
Token penalaran	6,831	25,370
Waktu respons (rata-rata)	10.83s	6.69s
Waktu respons (maks)	127.97s	41.68s
Waktu respons (total)	227.39s	140.49s

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

#37 GPT-5.6 Terra

medium

Biaya: $0.035
Waktu: 16.3s
Token: 2,418 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 Terra	8.3	10.0	75.0%	0		2.22s	606	172	657

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 Terra	6.1	7.2	55.6%	1		7.19s	7,302	427	4,527

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 Terra	10.0	10.0	100.0%	0		6.26s	11,019	316	540

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 Terra	10.0	10.0	100.0%	0		872ms	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 Terra	5.3	10.0	33.3%	0		23.45s	723	70	15,327

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 Terra	5.5	10.0	0.0%	0		2.37s	477	133	144

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 Terra	10.0	10.0	100.0%	0		1.43s	660	89	261

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 Terra	8.4	7.4	88.9%	1		3.78s	642	272	1,462

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 Terra	10.0	10.0	100.0%	0		5.09s	5,454	254	246

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 Terra	3.0	10.0	0.0%	0		10.05s	195	27	2,206

Perbandingan Cepat

Ganti Pasangan Perbandingan