Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.4

Claude Opus 4.8 (medium) unggul dalam skor rata-rata dengan 8.8 vs 8.5. GPT-5.4 (medium) memiliki biaya benchmark lebih rendah di $1.533 vs $1.931. Claude Opus 4.8 (medium) lebih cepat di 12.49s vs 23.10s, dengan tingkat keberhasilan 84.9% vs 77.3%.

Model yang direkomendasikanClaude Opus 4.8 (medium)It has the best score here (8.8), while responding about 1.9x faster than GPT-5.4 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-22

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

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	8.8	8.5
Peringkat	#17	#21
Keandalan	10.0	10.0
Konsistensi	9.6	8.6
Tes benar
Tingkat lulus per percobaan	84.9%	77.3%
Tes tidak stabil	1	4
Total Run	66	66
Biaya per hasil	10.724	10.220
Total Biaya	$1.931	$1.533
Harga input	$5.000 / 1M	$2.500 / 1M
Harga output	$25.000 / 1M	$15.000 / 1M
Total token input	138,451	81,127
Token output	40,766	6,155
Token penalaran	9,075	82,515
Waktu respons (rata-rata)	12.49s	23.10s
Waktu respons (maks)	70.54s	100.41s
Waktu respons (total)	274.72s	508.26s

Hamster playing table tennis

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

#17 Claude Opus 4.8

medium

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

#21 GPT-5.4

medium

Biaya: $0.214
Waktu: 199.6s
Token: 14,349 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

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	9.9	10.0	100.0%	0		54.29s	101,005	19,531	4,762
GPT-5.4	10.0	10.0	100.0%	0		29.77s	58,038	4,214	13,351

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		14.59s	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

Claude Opus 4.8mediumvsGrok 4.5high Claude Opus 4.8mediumvsGemini 3.5 Flashlow GPT-5.4mediumvsGrok 4.5low Muse Spark 1.1lowvsGPT-5.4medium GPT-5.4mediumvsGrok 4.5high Gemini 3.5 FlashlowvsGPT-5.4medium Muse Spark 1.1highvsGPT-5.4medium Claude Opus 4.8mediumvsGrok 4.5low Gemini 3.5 Flash-LitehighvsGPT-5.4medium GPT-5.4mediumvsInklinghigh Claude Opus 4.8mediumvsGPT-5.5low GPT-5.4mediumvsGLM 5.2high