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-5.3 Chat

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs GPT-5.3 Chat: Claude Opus 4.8 unggul dalam skor rata-rata dengan 8.8 vs 7.5. GPT-5.3 Chat memiliki biaya benchmark lebih rendah di $0.433 vs $1.107. GPT-5.3 Chat lebih cepat di 6.34s vs 9.66s, dengan tingkat keberhasilan 84.1% vs 66.7%.

Model yang direkomendasikan: GPT-5.3 Chat - It offers the best overall trade-off: a competitive score (7.5), lower cost than Claude Opus 4.8, and balanced response time.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik Claude Opus 4.8 Claude Opus 4.8 medium Rilis: 2026-05-28 GPT-5.3 Chat GPT-5.3 Chat none Rilis: 2026-03-03
Skor 8.8 7.5
Peringkat #12 #45
Keandalan 10.0 10.0
Konsistensi 9.6 8.1
Tes benar
Tingkat lulus per percobaan 84.1% 66.7%
Tes tidak stabil 1 5
Total Run 63 63
Biaya per hasil 6.512 3.605
Total Biaya $1.107 $0.433
Harga input $5.000 / 1M $1.750 / 1M
Harga output $25.000 / 1M $14.000 / 1M
Total token input 61,007 34,209
Token output 26,495 26,617
Token penalaran 5,901 0
Waktu respons (rata-rata) 9.66s 6.34s
Waktu respons (maks) 38.03s 18.33s
Waktu respons (total) 202.89s 133.13s

Showcase generasi

Hamster playing table tennis

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

#12 Claude Opus 4.8

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

#45 GPT-5.3 Chat

none
Biaya
$0.008
Waktu
8.1s
Token
634 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-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 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-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 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-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 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-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 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 14.15s 975 7,477 900
GPT-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 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-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 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-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 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-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 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-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 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-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Mercury 2mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.6 FlashmediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGrok Build 0.1mediumDeepSeek V4 ProhighvsGPT-5.3 ChatnoneSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2.5-PromediumMiniMax M3mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGrok 4.20mediumGPT-5.3 ChatnonevsStep 3.7 Flashlow