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-5.2 Chat

Ringkasan

Perbandingan benchmark Claude Opus 4.8 (medium) vs GPT-5.2 Chat: Claude Opus 4.8 (medium) unggul dalam skor rata-rata dengan 8.8 vs 8.5. GPT-5.2 Chat memiliki biaya benchmark lebih rendah di $0.393 vs $1.107. GPT-5.2 Chat lebih cepat di 7.13s vs 9.72s, dengan tingkat keberhasilan 84.1% vs 74.6%.

Model yang direkomendasikan: GPT-5.2 Chat - Its score stays close to the best score here (8.5 vs 8.8), while costing about 2.8x less than Claude Opus 4.8 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-10

Metrik Claude Opus 4.8 Claude Opus 4.8 medium Rilis: 2026-05-28 GPT-5.2 Chat GPT-5.2 Chat none Rilis: 2025-12-11
Skor 8.8 8.5
Peringkat #15 #22
Keandalan 10.0 10.0
Konsistensi 9.6 8.9
Tes benar
Tingkat lulus per percobaan 84.1% 74.6%
Tes tidak stabil 1 3
Total Run 63 63
Biaya per hasil 6.512 2.803
Total Biaya $1.107 $0.393
Harga input $5.000 / 1M $1.750 / 1M
Harga output $25.000 / 1M $14.000 / 1M
Total token input 61,007 34,212
Token output 26,495 23,744
Token penalaran 5,901 0
Waktu respons (rata-rata) 9.72s 7.13s
Waktu respons (maks) 38.03s 38.52s
Waktu respons (total) 204.19s 149.69s

Showcase generasi

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
Biaya
$0.057
Waktu
23.1s
Token
2,412 tok

#22 GPT-5.2 Chat

none
Biaya
$0.010
Waktu
15.3s
Token
797 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 3.95s 834 1,179 478
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 606 1,807 0
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 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GPT-5.2 Chat 8.8 7.8 88.9% 1 9.82s 7,305 6,731 0
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 38.03s 23,561 5,260 1,588
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 11,019 1,243 0
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 7.1 5.6 83.3% 1 12.29s 10,503 481 312
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 7,140 980 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 14.59s 975 7,477 900
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 723 7,810 0
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 2.46s 708 237 0
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 477 335 0
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 10.0 10.0 100.0% 0 3.32s 909 373 320
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 660 1,441 0
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 3.95s 894 791 483
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 642 1,603 0
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 8.96s 11,775 301 225
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 5,445 555 0
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 6.14s 258 451 214
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 195 1,239 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Seed-2.0-LitemediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsGLM 5mediumGPT-5.2 ChatnonevsGrok 4.5mediumGPT-5.2 ChatnonevsGLM 5.2mediumDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.7 PlusmediumNemotron 3 Ultra 550b A55bmediumTersedia gratisvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGemini 3.5 Flashlow