Model yang Dibandingkan

Perbandingan benchmark GPT-5.5 (medium) vs GPT-5.4 (medium) vs Gemini 3.1 Pro Preview (medium) vs Claude Opus 4.7 (medium): Gemini 3.1 Pro Preview (medium) unggul pada Skor dengan 9.2. GPT-5.5 (medium) unggul pada Keandalan dengan 10.0. Gemini 3.1 Pro Preview (medium) memiliki Total Biaya terendah di $1.352. Claude Opus 4.7 (medium) paling cepat di 7.62s.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-09-28

Model yang Dibandingkan

Peringkat: #33
Total token output: 125,316
Waktu respons (rata-rata): 38.97s
Total Biaya: $4.163

Peringkat: #56
Total token output: 90,466
Waktu respons (rata-rata): 22.85s
Total Biaya: $1.560

Peringkat: #22
Total token output: 97,238
Waktu respons (rata-rata): 20.62s
Total Biaya: $1.352

Peringkat: #49
Total token output: 29,990
Waktu respons (rata-rata): 7.62s
Total Biaya: $1.476

Model yang direkomendasikan Gemini 3.1 Pro Preview (medium)

It has the best score here (9.2), while costing about 1.8x less than model lain dalam perbandingan ini.

Perbandingan terperinci

Metrik	GPT-5.5 GPT-5.5 medium Rilis: 2026-04-24	GPT-5.4 GPT-5.4 medium Rilis: 2026-03-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Rilis: 2026-02-19	Claude Opus 4.7 Claude Opus 4.7 medium Rilis: 2026-04-16

Metrik	GPT-5.5 GPT-5.5 medium Rilis: 2026-04-24	GPT-5.4 GPT-5.4 medium Rilis: 2026-03-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Rilis: 2026-02-19	Claude Opus 4.7 Claude Opus 4.7 medium Rilis: 2026-04-16
Skor	9.0	8.5	9.2	8.7
Peringkat	#33	#56	#22	#49
Keandalan	10.0	10.0	10.0	10.0
Konsistensi	8.9	8.6	10.0	9.6
Percobaan	66/66	66/66	66/66	66/66
Tes benar
Tingkat lulus per percobaan	87.9%	77.3%	90.9%	83.3%
Tes tidak stabil	3	4	0	1
Total Run	66	66	66	66
Biaya per hasil	23.127	10.399	6.758	8.200
Total Biaya	$4.163	$1.560	$1.352	$1.476
Harga input	$5.000 / 1M	$2.500 / 1M	$2.000 / 1M	$5.000 / 1M
Harga output	$30.000 / 1M	$15.000 / 1M	$12.000 / 1M	$25.000 / 1M
Total token input	80,668	81,136	92,296	145,249
Token output	5,617	6,155	5,232	24,948
Token penalaran	119,699	84,311	92,006	5,042
Waktu respons (rata-rata)	38.97s	22.85s	20.62s	7.62s
Waktu respons (maks)	332.10s	100.41s	88.68s	65.40s
Waktu respons (total)	857.43s	502.78s	329.94s	159.94s
Parameter	~1.5T total (~100B aktif)	~1.5T total (~100B aktif)	~1.2T total (~20B aktif)	~5T total (~500B aktif)
Ketersediaan	Tertutup	Tertutup	Tertutup	Tertutup

Showcase generasi model

Hamster playing table tennis

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

#33 GPT-5.5

medium

Biaya: $0.112
Waktu: 71.9s
Token: 3,807 tok

#56 GPT-5.4

medium

Biaya: $0.214
Waktu: 199.6s
Token: 14,349 tok

#22 Gemini 3.1 Pro Preview

medium

Biaya: $0.115
Waktu: 87.2s
Token: 9,629 tok

#49 Claude Opus 4.7

medium

Biaya: $0.059
Waktu: 26.8s
Token: 2,475 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

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	4.66s	606	250	1,335
GPT-5.4	8.3	10.0	75.0%	4.11s	606	240	1,511
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.90s	498	112	3,218
Claude Opus 4.7	8.3	10.0	75.0%	1.85s	894	348	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	8.8	7.8	88.9%	1	59.77s	7,305	362	24,959
GPT-5.4	8.8	7.8	88.9%	1	44.36s	7,305	433	24,216
Gemini 3.1 Pro Preview	7.9	9.9	66.7%	0	40.17s	8,124	435	41,247
Claude Opus 4.7	7.6	7.2	77.8%	1	12.96s	10,635	7,629	1,114

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	33.52s	57,466	3,944	6,735
GPT-5.4	10.0	10.0	100.0%	29.77s	58,038	4,214	13,351
Gemini 3.1 Pro Preview	9.8	10.0	100.0%	40.39s	67,910	3,687	23,111
Claude Opus 4.7	10.0	10.0	100.0%	43.42s	104,347	15,459	3,928

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	4.18s	7,140	234	593
GPT-5.4	10.0	10.0	100.0%	5.32s	7,140	234	804
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.72s	7,265	279	3,904
Claude Opus 4.7	10.0	10.0	100.0%	2.37s	10,533	324	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	5.3	7.2	44.4%	1	168.16s	732	67	80,505
GPT-5.4	5.3	7.2	44.4%	1	72.44s	628	61	36,544
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	20.29s	644	18	11,704
Claude Opus 4.7	7.7	10.0	66.7%	0	1.19s	627	51	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0	4.16s	477	138	223
GPT-5.4	4.7	3.1	33.3%	1	4.92s	477	145	321
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	11.77s	490	108	1,179
Claude Opus 4.7	10.0	10.0	100.0%	0	2.87s	723	256	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	3.36s	660	93	538
GPT-5.4	10.0	10.0	100.0%	3.11s	660	93	897
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	9.56s	621	72	2,236
Claude Opus 4.7	10.0	10.0	100.0%	1.57s	939	114	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	0	6.76s	642	241	2,225
GPT-5.4	8.2	7.2	88.9%	1	9.14s	642	441	3,815
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.90s	570	235	3,128
Claude Opus 4.7	10.0	10.0	100.0%	0	2.43s	939	370	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	10.0	10.0	100.0%	10.57s	5,445	258	832
GPT-5.4	10.0	10.0	100.0%	13.28s	5,445	264	1,031
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	23.15s	6,018	274	982
Claude Opus 4.7	10.0	10.0	100.0%	4.17s	15,339	373	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
GPT-5.5	2.8	1.6	33.3%	1	37.86s	195	30	1,754
GPT-5.4	3.0	10.0	0.0%	0	13.95s	195	30	1,821
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.27s	156	12	1,297
Claude Opus 4.7	3.0	10.0	0.0%	0	2.25s	273	24	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.7mediumvsGLM 5.3 Flashmax Claude Opus 4.7mediumvsGemini 3.6 Flashlow Claude Opus 5.5highvsGemini 3.1 Pro Previewmedium Claude Fable 5.1highvsGPT-5.5medium GPT-5.4mediumvsQwen3.8 Maxlow Claude Opus 5highvsGemini 3.1 Pro Previewmedium GPT-5.5mediumvsGrok 4.5high Claude Opus 4.7mediumvsMuse Spark 1.2high Claude Opus 4.7mediumvsGemini 3.5 Flash Litehigh DeepSeek V4.1 FlashlowvsGPT-5.4medium DeepSeek V4.1 FlashhighvsGPT-5.4medium Claude Opus 5.5lowvsGemini 3.1 Pro Previewmedium