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 Mini

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

Metrik Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28 GPT-5.4 Mini GPT-5.4 Mini medium Rilis: 2026-03-17
Skor 7.3 7.3
Peringkat #63 #62
Keandalan 10.0 10.0
Konsistensi 9.2 7.9
Tes benar
Tingkat lulus per percobaan 65.0% 71.7%
Tes tidak stabil 2 5
Total Run 60 60
Biaya per hasil 4.324 4.417
Total Biaya $0.519 $0.486
Harga input $5.000 / 1M $0.750 / 1M
Harga output $25.000 / 1M $4.500 / 1M
Token output 8,098 2,160
Token penalaran 0 100,548
Waktu respons (rata-rata) 3.51s 22.10s
Waktu respons (maks) 17.73s 138.75s
Waktu respons (total) 70.19s 442.09s

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 6.5 10.0 50.0% 0 3.40s 1,472 0
GPT-5.4 Mini 8.6 7.9 91.7% 1 4.05s 296 2,876
Pemrograman Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 6.8 10.0 50.0% 0 3.59s 1,323 0
GPT-5.4 Mini 7.5 6.0 83.3% 1 73.25s 446 32,513
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 3,259 0
GPT-5.4 Mini 10.0 10.0 100.0% 0 17.81s 317 4,317
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 7.3 5.8 83.3% 1 1.77s 308 0
GPT-5.4 Mini 10.0 10.0 100.0% 0 2.43s 234 650
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 7.2 44.4% 1 1.66s 61 0
GPT-5.4 Mini 4.1 4.4 44.5% 2 65.31s 60 43,286
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 3.48s 230 0
GPT-5.4 Mini 4.5 10.0 0.0% 0 3.72s 150 510
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 9.9 10.0 100.0% 0 1.37s 95 0
GPT-5.4 Mini 9.8 10.0 100.0% 0 2.13s 96 1,185
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 7.7 10.0 66.7% 0 2.74s 783 0
GPT-5.4 Mini 7.8 10.0 66.7% 0 4.37s 278 2,443
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 5.35s 355 0
GPT-5.4 Mini 4.7 1.6 66.7% 1 9.62s 251 2,594
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 3.41s 212 0
GPT-5.4 Mini 3.0 10.0 0.0% 0 30.10s 32 10,174

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.8nonevsQwen3.5-35B-A3BmediumClaude Opus 4.8nonevsRing-2.6-1TmediumClaude Opus 4.8nonevsGPT-5.2mediumRing-2.6-1TnonevsGPT-5.4 MinimediumClaude Opus 4.8nonevsGLM 5V TurbomediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsGPT-5.4 MinimediumClaude Opus 4.8nonevsGPT-5 MinimediumClaude Opus 4.8nonevsKimi K2.6mediumTersedia gratisClaude Opus 4.8nonevsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4 Minimedium