AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.2

Ringkasan

Perbandingan benchmark Claude Sonnet 4.6 vs GPT-5.2: GPT-5.2 unggul dalam skor rata-rata dengan 8.4 vs 7.3. Claude Sonnet 4.6 memiliki biaya benchmark lebih rendah di $0.316 vs $0.548. Claude Sonnet 4.6 lebih cepat di 5.04s vs 16.88s, dengan tingkat keberhasilan 55.6% vs 71.4%.

Model yang direkomendasikan: GPT-5.2 - It has the strongest score in this comparison (8.4) and the best overall balance of cost and response time across all 2 models.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-02

Metrik	Claude Sonnet 4.6 Claude Sonnet 4.6 none Rilis: 2026-02-17	GPT-5.2 GPT-5.2 medium Rilis: 2025-12-11

Metrik	Claude Sonnet 4.6 Claude Sonnet 4.6 none Rilis: 2026-02-17	GPT-5.2 GPT-5.2 medium Rilis: 2025-12-11
Skor	7.3	8.4
Peringkat	#57	#22
Keandalan	10.0	10.0
Konsistensi	9.7	8.4
Tes benar
Tingkat lulus per percobaan	55.6%	71.4%
Tes tidak stabil	1	4
Total Run	63	63
Biaya per hasil	2.870	4.209
Total Biaya	$0.316	$0.548
Harga input	$3.000 / 1M	$1.750 / 1M
Harga output	$15.000 / 1M	$14.000 / 1M
Total token input	57,886	33,967
Token output	9,465	2,901
Token penalaran	0	31,932
Waktu respons (rata-rata)	5.04s	16.88s
Waktu respons (maks)	23.84s	77.80s
Waktu respons (total)	70.60s	236.34s

Showcase generasi

Hamster playing table tennis

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

#57 Claude Sonnet 4.6

none

Biaya: $0.038
Waktu: 27.3s
Token: 2,598 tok

#22 GPT-5.2

medium

Biaya: $0.047
Waktu: 49.2s
Token: 3,396 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 Sonnet 4.6	4.8	10.0	25.0%	0		2.94s	636	1,214	0
GPT-5.2	6.5	8.0	58.3%	1		7.81s	606	567	2,002

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Sonnet 4.6	5.5	10.0	33.3%	0		5.19s	8,522	2,127	0
GPT-5.2	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Sonnet 4.6	9.5	10.0	100.0%	0		23.84s	26,024	3,766	0
GPT-5.2	10.0	10.0	100.0%	0		14.06s	11,019	291	1,757

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 Sonnet 4.6	10.0	10.0	100.0%	0		3.43s	8,574	252	0
GPT-5.2	10.0	10.0	100.0%	0		3.15s	7,140	234	420

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Sonnet 4.6	7.7	10.0	66.7%	0		3.54s	759	413	0
GPT-5.2	5.9	7.2	55.6%	1		77.80s	473	42	10,342

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Sonnet 4.6	6.1	3.1	66.7%	1		2.56s	513	192	0
GPT-5.2	3.7	9.7	0.0%	0		4.32s	477	162	269

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Sonnet 4.6	6.5	10.0	50.0%	0		1.96s	690	90	0
GPT-5.2	9.9	10.0	100.0%	0		3.12s	660	94	614

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 Sonnet 4.6	7.7	10.0	66.7%	0		2.53s	663	533	0
GPT-5.2	7.5	7.3	77.8%	1		5.80s	642	735	924

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	11,301	447	0
GPT-5.2	4.7	1.6	66.7%	1		10.30s	5,453	239	469

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Sonnet 4.6	3.0	10.0	0.0%	0		4.67s	204	431	0
GPT-5.2	3.0	10.0	0.0%	0		28.18s	195	26	3,223

Perbandingan Cepat

Ganti Pasangan Perbandingan