Navigasi
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.3-Codex

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-05-28

Metrik Claude Opus 4.8 Claude Opus 4.8 medium Rilis: 2026-05-28 GPT-5.3-Codex GPT-5.3-Codex medium Rilis: 2026-02-05
Skor 8.7 8.3
Peringkat #12 #17
Keandalan 10.0 10.0
Konsistensi 9.6 8.4
Tes benar
Tingkat lulus per percobaan 83.3% 81.7%
Tes tidak stabil 1 4
Total Run 60 60
Biaya per hasil 6.285 4.887
Total Biaya $1.006 $0.685
Harga input $5.000 / 1M $1.750 / 1M
Harga output $25.000 / 1M $14.000 / 1M
Token output 23,201 2,336
Token penalaran 5,901 42,565
Waktu respons (rata-rata) 9.34s 15.95s
Waktu respons (maks) 38.03s 100.93s
Waktu respons (total) 186.84s 319.08s

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 output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 1,179 478
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 240 1,722
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 14.97s 6,651 1,381
GPT-5.3-Codex 10.0 10.0 100.0% 0 18.45s 514 7,266
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 9.8 10.0 100.0% 0 38.03s 5,260 1,588
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 364 2,731
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 7.1 5.6 83.3% 1 12.29s 481 312
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 234 728
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 5.3 10.0 33.3% 0 14.15s 7,477 900
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 64 25,308
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 2.46s 237 0
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 187 331
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 3.32s 373 320
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 93 693
Pemecahan teka-teki Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 791 483
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.05s 356 1,593
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 10.0 10.0 100.0% 0 8.96s 301 225
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 254 492
Pengetahuan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 3.0 10.0 0.0% 0 6.14s 451 214
GPT-5.3-Codex 2.8 1.6 33.3% 1 14.43s 30 1,701

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.8mediumvsGemini 3 Flash PreviewlowClaude Opus 4.8mediumvsGemini 3.5 FlashnoneClaude Opus 4.8mediumvsGPT-5.5lowGemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3.5 FlashminimalvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsQwen3.7 MaxnoneGemini 3.5 FlashnonevsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumDeepSeek V4 FlashhighTersedia gratisvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGemini 3.5 Flashminimal