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-5.4

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-04

Metrik Claude Opus 4.8 Claude Opus 4.8 medium Rilis: 2026-05-28 GPT-5.4 GPT-5.4 medium Rilis: 2026-03-05
Skor 8.7 8.0
Peringkat #10 #21
Keandalan 10.0 10.0
Konsistensi 9.6 8.6
Tes benar
Tingkat lulus per percobaan 84.1% 76.2%
Tes tidak stabil 1 4
Total Run 63 63
Biaya per hasil 6.512 8.640
Total Biaya $1.107 $1.210
Harga input $5.000 / 1M $2.500 / 1M
Harga output $25.000 / 1M $15.000 / 1M
Total token input 61,007 34,108
Token output 26,495 2,242
Token penalaran 5,901 72,707
Waktu respons (rata-rata) 9.66s 22.35s
Waktu respons (maks) 38.03s 100.41s
Waktu respons (total) 202.89s 469.29s

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-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
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-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
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-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
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-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
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-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
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-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
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-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
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-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
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-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
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-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821

Perbandingan Cepat

Ganti Pasangan Perbandingan

Gemini 3.5 FlashnonevsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.4mediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashminimalvsGPT-5.4mediumClaude Opus 4.8mediumvsGemini 3 Flash PreviewlowGPT-5.4mediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewlowvsGPT-5.4mediumClaude Opus 4.8mediumvsGemini 3.5 FlashnoneGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowGPT-5.4mediumvsStep 3.7 Flashlow