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-Codex

Ringkasan

Perbandingan benchmark Claude Opus 4.8 (medium) vs GPT-5.3-Codex (medium): GPT-5.3-Codex (medium) unggul dalam skor rata-rata dengan 8.9 vs 8.8. GPT-5.3-Codex (medium) memiliki biaya benchmark lebih rendah di $0.740 vs $1.107. Claude Opus 4.8 (medium) lebih cepat di 9.72s vs 16.22s, dengan tingkat keberhasilan 84.1% vs 82.5%.

Model yang direkomendasikan: GPT-5.3-Codex (medium) - It has the strongest score in this comparison (8.9) and the best overall balance of cost and response time across all 2 models.

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-5.3-Codex GPT-5.3-Codex medium Rilis: 2026-02-05
Skor 8.8 8.9
Peringkat #15 #13
Keandalan 10.0 10.0
Konsistensi 9.6 8.5
Tes benar
Tingkat lulus per percobaan 84.1% 82.5%
Tes tidak stabil 1 4
Total Run 63 63
Biaya per hasil 6.512 4.932
Total Biaya $1.107 $0.740
Harga input $5.000 / 1M $1.750 / 1M
Harga output $25.000 / 1M $14.000 / 1M
Total token input 61,007 34,299
Token output 26,495 2,357
Token penalaran 5,901 46,189
Waktu respons (rata-rata) 9.72s 16.22s
Waktu respons (maks) 38.03s 100.93s
Waktu respons (total) 204.19s 340.67s

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

#13 GPT-5.3-Codex

medium
Biaya
$0.049
Waktu
54.9s
Token
3,580 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-Codex 8.7 7.9 91.7% 1 4.16s 606 240 1,722
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-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
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-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 2,731
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-Codex 10.0 10.0 100.0% 0 3.07s 7,140 234 728
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-5.3-Codex 5.9 7.2 55.6% 1 64.31s 813 64 25,308
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-Codex 4.6 10.0 0.0% 0 4.87s 477 187 331
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-Codex 10.0 10.0 100.0% 0 3.04s 660 93 693
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-Codex 9.0 7.9 88.9% 1 5.05s 642 356 1,593
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-Codex 10.0 10.0 100.0% 0 6.37s 5,445 254 492
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-Codex 2.8 1.6 33.3% 1 14.43s 195 30 1,701

Perbandingan Cepat

Ganti Pasangan Perbandingan

Gemini 3.5 FlashlowvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGPT-5.2 ChatnoneClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.8mediumvsDeepSeek V4 FlashhighClaude Opus 4.8mediumvsGPT-5.6 TerrahighDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGPT-5.6 SollowClaude Opus 4.8mediumvsGLM 5.2highGPT-5.3-CodexmediumvsGLM 5.2highGemini 3.5 FlashhighvsGPT-5.3-Codexmedium