AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.4 Nano

Ringkasan

Perbandingan benchmark Claude Sonnet 4.6 vs GPT-5.4 Nano: GPT-5.4 Nano unggul dalam skor rata-rata dengan 7.5 vs 7.3. GPT-5.4 Nano memiliki biaya benchmark lebih rendah di $0.107 vs $0.316. Claude Sonnet 4.6 lebih cepat di 5.04s vs 11.95s, dengan tingkat keberhasilan 55.6% vs 63.5%.

Model yang direkomendasikan: GPT-5.4 Nano - It has the best score here (7.5), while costing about 3.0x less than Claude Sonnet 4.6.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-12

Metrik	Claude Sonnet 4.6 Claude Sonnet 4.6 none Rilis: 2026-02-17	GPT-5.4 Nano GPT-5.4 Nano medium Rilis: 2026-03-17

Metrik	Claude Sonnet 4.6 Claude Sonnet 4.6 none Rilis: 2026-02-17	GPT-5.4 Nano GPT-5.4 Nano medium Rilis: 2026-03-17
Skor	7.3	7.5
Peringkat	#56	#48
Keandalan	10.0	10.0
Konsistensi	9.7	8.4
Tes benar
Tingkat lulus per percobaan	55.6%	63.5%
Tes tidak stabil	1	4
Total Run	63	63
Biaya per hasil	2.870	0.969
Total Biaya	$0.316	$0.107
Harga input	$3.000 / 1M	$0.200 / 1M
Harga output	$15.000 / 1M	$1.250 / 1M
Total token input	57,886	35,434
Token output	9,465	3,014
Token penalaran	0	76,520
Waktu respons (rata-rata)	5.04s	11.95s
Waktu respons (maks)	23.84s	94.06s
Waktu respons (total)	70.60s	250.98s

Generation showcase

Hamster playing table tennis

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

#56 Claude Sonnet 4.6

none

Cost: $0.038
Time: 27.3s
Tokens: 2,598 tok

#48 GPT-5.4 Nano

medium

Cost: $0.007
Time: 24.6s
Tokens: 4,943 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-5.4 Nano	8.3	10.0	75.0%	0		4.52s	606	683	2,254

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-5.4 Nano	6.1	4.7	66.7%	2		19.12s	7,305	516	20,778

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-5.4 Nano	9.8	10.0	100.0%	0		24.13s	12,345	349	5,719

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-5.4 Nano	10.0	10.0	100.0%	0		2.54s	7,140	234	516

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-5.4 Nano	5.9	7.2	55.6%	1		38.18s	619	60	43,325

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-5.4 Nano	4.5	10.0	0.0%	0		4.15s	477	179	443

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-5.4 Nano	9.8	10.0	100.0%	0		1.88s	660	95	521

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-5.4 Nano	4.1	7.2	22.2%	1		3.79s	642	594	1,408

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-5.4 Nano	10.0	10.0	100.0%	0		7.71s	5,445	234	382

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-5.4 Nano	3.0	10.0	0.0%	0		4.81s	195	70	1,174

Perbandingan Cepat

Ganti Pasangan Perbandingan