AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5 Mini

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs GPT-5 Mini: GPT-5 Mini unggul dalam skor rata-rata dengan 8.5 vs 7.7. GPT-5 Mini memiliki biaya benchmark lebih rendah di $0.159 vs $1.270. Claude Opus 4.8 lebih cepat di 10.83s vs 23.64s, dengan tingkat keberhasilan 79.4% vs 63.5%.

Model yang direkomendasikan: GPT-5 Mini - It has the best score here (8.5), while costing about 8.0x less than Claude Opus 4.8.

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 Mini GPT-5 Mini medium Rilis: 2025-08-07

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	GPT-5 Mini GPT-5 Mini medium Rilis: 2025-08-07
Skor	7.7	8.5
Peringkat	#38	#16
Keandalan	10.0	10.0
Konsistensi	8.8	9.1
Tes benar
Tingkat lulus per percobaan	79.4%	63.5%
Tes tidak stabil	3	2
Total Run	63	63
Biaya per hasil	8.466	1.319
Total Biaya	$1.270	$0.159
Harga input	$5.000 / 1M	$0.250 / 1M
Harga output	$25.000 / 1M	$2.000 / 1M
Total token input	60,946	37,100
Token output	31,771	6,801
Token penalaran	6,831	67,690
Waktu respons (rata-rata)	10.83s	23.64s
Waktu respons (maks)	127.97s	88.15s
Waktu respons (total)	227.39s	496.44s

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

#16 GPT-5 Mini

medium

Biaya: $0.007
Waktu: 42.9s
Token: 3,432 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 Mini	7.1	7.6	66.7%	1		13.86s	606	1,715	6,378

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 Mini	10.0	10.0	100.0%	0		27.63s	7,302	658	17,152

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 Mini	10.0	10.0	100.0%	0		88.15s	14,118	754	11,520

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 Mini	10.0	10.0	100.0%	0		12.58s	7,140	453	3,200

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 Mini	3.6	7.2	22.2%	1		44.63s	515	293	14,016

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 Mini	4.5	10.0	0.0%	0		13.50s	477	349	1,856

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 Mini	10.0	10.0	100.0%	0		11.59s	660	310	3,968

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 Mini	5.6	9.8	33.3%	0		15.20s	642	1,622	6,144

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 Mini	10.0	10.0	100.0%	0		18.64s	5,445	487	1,600

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 Mini	3.0	10.0	0.0%	0		9.99s	195	160	1,856

Perbandingan Cepat

Ganti Pasangan Perbandingan