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-5.5

Ringkasan

Perbandingan benchmark Claude Opus 4.8 (medium) vs GPT-5.5 (medium): GPT-5.5 (medium) unggul dalam skor rata-rata dengan 9.0 vs 8.8. Claude Opus 4.8 (medium) memiliki biaya benchmark lebih rendah di $1.107 vs $3.679. Claude Opus 4.8 (medium) lebih cepat di 9.72s vs 37.98s, dengan tingkat keberhasilan 84.1% vs 87.3%.

Model yang direkomendasikan: Claude Opus 4.8 (medium) - Its score stays close to the best score here (8.8 vs 9.0), while costing about 3.3x less than GPT-5.5 (medium).

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-5.5 GPT-5.5 medium Rilis: 2026-04-24
Skor 8.8 9.0
Peringkat #15 #12
Keandalan 10.0 10.0
Konsistensi 9.6 8.9
Tes benar
Tingkat lulus per percobaan 84.1% 87.3%
Tes tidak stabil 1 3
Total Run 63 63
Biaya per hasil 6.512 21.638
Total Biaya $1.107 $3.679
Harga input $5.000 / 1M $5.000 / 1M
Harga output $25.000 / 1M $30.000 / 1M
Total token input 61,007 34,212
Token output 26,495 1,985
Token penalaran 5,901 114,925
Waktu respons (rata-rata) 9.72s 37.98s
Waktu respons (maks) 38.03s 332.10s
Waktu respons (total) 204.19s 797.60s

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

#12 GPT-5.5

medium
Biaya
$0.112
Waktu
71.9s
Token
3,807 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-5.5 10.0 10.0 100.0% 0 4.66s 606 250 1,335
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-5.5 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
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-5.5 10.0 10.0 100.0% 0 19.29s 11,019 312 2,841
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-5.5 10.0 10.0 100.0% 0 4.18s 7,140 234 593
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-5.5 5.3 7.2 44.4% 1 164.14s 723 67 79,625
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-5.5 10.0 10.0 100.0% 0 4.16s 477 138 223
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-5.5 10.0 10.0 100.0% 0 3.36s 660 93 538
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-5.5 10.0 10.0 100.0% 0 6.76s 642 241 2,225
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-5.5 10.0 10.0 100.0% 0 10.57s 5,445 258 832
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-5.5 2.8 1.6 33.3% 1 37.86s 195 30 1,754

Perbandingan Cepat

Ganti Pasangan Perbandingan

Gemini 3.5 FlashlowvsGPT-5.5mediumClaude 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 TerrahighClaude Opus 4.8mediumvsGPT-5.6 SollowDeepSeek V4 FlashhighvsGPT-5.5mediumClaude Opus 4.8mediumvsGLM 5.2highGemini 3.5 FlashhighvsGPT-5.5mediumGPT-5.5mediumvsGLM 5.2high