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 vs GPT-5.5: GPT-5.5 unggul dalam skor rata-rata dengan 9.0 vs 7.2. Claude Opus 4.8 memiliki biaya benchmark lebih rendah di $0.539 vs $3.679. Claude Opus 4.8 lebih cepat di 3.47s vs 37.98s, dengan tingkat keberhasilan 61.9% vs 87.3%.

Model yang direkomendasikan: Claude Opus 4.8 - It offers the best overall trade-off: a competitive score (7.2), lower cost than GPT-5.5, and balanced response time.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-18

Metrik Claude Opus 4.8 Claude Opus 4.8 none Rilis: 2026-05-28 GPT-5.5 GPT-5.5 medium Rilis: 2026-04-24
Skor 7.2 9.0
Peringkat #57 #9
Keandalan 10.0 10.0
Konsistensi 9.2 8.9
Tes benar
Tingkat lulus per percobaan 61.9% 87.3%
Tes tidak stabil 2 3
Total Run 63 63
Biaya per hasil 4.485 21.638
Total Biaya $0.539 $3.679
Harga input $5.000 / 1M $5.000 / 1M
Harga output $25.000 / 1M $30.000 / 1M
Total token input 67,104 34,212
Token output 8,107 1,985
Token penalaran 0 114,925
Waktu respons (rata-rata) 3.47s 37.98s
Waktu respons (maks) 17.73s 332.10s
Waktu respons (total) 72.90s 797.60s

Showcase generasi

Hamster playing table tennis

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

#57 Claude Opus 4.8

none
Biaya
$0.053
Waktu
22.0s
Token
2,253 tok

#9 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 6.5 10.0 50.0% 0 3.40s 834 1,472 0
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 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
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 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
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 7.3 5.8 83.3% 1 1.77s 10,503 308 0
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 7.2 44.4% 1 1.66s 975 61 0
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 3.48s 708 230 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 9.9 10.0 100.0% 0 1.37s 909 95 0
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 7.7 10.0 66.7% 0 2.74s 894 783 0
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 5.35s 11,775 355 0
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 3.41s 258 212 0
GPT-5.5 2.8 1.6 33.3% 1 37.86s 195 30 1,754

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.8nonevsGemma 4 26B A4BmediumTersedia gratisClaude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGLM 5.1mediumClaude Opus 4.8nonevsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsMiMo-V2.5-PromediumClaude Opus 4.8nonevsSeed-2.0-MinimediumClaude Opus 4.8nonevsKimi K2.7 CodemediumClaude Opus 4.8nonevsDeepSeek V3.2mediumClaude Opus 4.8nonevsQwen3.6 FlashmediumGemini 3.5 FlashlowvsGPT-5.5mediumClaude Opus 4.8nonevsGPT-5.4 Nanomedium