AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.6 Luna

概要

Claude Opus 4.8 (low) vs GPT-5.6 Luna (medium) の benchmark 比較: Claude Opus 4.8 (low) が平均スコアでリードし、7.7 vs 7.6 です。 GPT-5.6 Luna (medium) の benchmark コストが低く、$0.258 vs $1.270 です。 GPT-5.6 Luna (medium) の方が高速で、6.70s vs 10.83s です、成功率は 79.4% vs 63.5% です。

おすすめモデル: GPT-5.6 Luna (medium) - スコアはここでの最高値に近く（7.6 vs 7.7）、Claude Opus 4.8 (low) より約 4.9 倍低コストです。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-09

指標	Claude Opus 4.8 Claude Opus 4.8 low リリース: 2026-05-28	GPT-5.6 Luna GPT-5.6 Luna medium リリース: 2026-07-09

指標	Claude Opus 4.8 Claude Opus 4.8 low リリース: 2026-05-28	GPT-5.6 Luna GPT-5.6 Luna medium リリース: 2026-07-09
スコア	7.7	7.6
順位	#45	#54
信頼性	10.0	10.0
一貫性	8.8	9.6
正解テスト
試行ごとの合格率	79.4%	63.5%
不安定なテスト	3	1
総実行回数	63	63
結果あたりのコスト	8.466	1.978
合計コスト	$1.270	$0.258
入力価格	$5.000 / 1M	$1.000 / 1M
出力価格	$25.000 / 1M	$6.000 / 1M
合計入力トークン	60,946	35,699
出力トークン	31,771	2,148
推論トークン	6,831	34,740
応答時間（平均）	10.83s	6.70s
応答時間（最大）	127.97s	29.85s
応答時間（合計）	227.39s	140.62s

生成ショーケース

Hamster playing table tennis

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

#45 Claude Opus 4.8

low

コスト: $0.031
時間: 14.1s
トークン: 1,345 tok

#54 GPT-5.6 Luna

medium

コスト: $0.014
時間: 14.6s
トークン: 2,362 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
GPT-5.6 Luna	8.3	10.0	75.0%	0		2.52s	606	160	987

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
GPT-5.6 Luna	5.4	7.2	44.4%	1		10.38s	7,302	564	9,928

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
GPT-5.6 Luna	10.0	10.0	100.0%	0		9.53s	12,500	375	1,354

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
GPT-5.6 Luna	10.0	10.0	100.0%	0		1.95s	7,140	234	324

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
GPT-5.6 Luna	5.3	10.0	33.3%	0		17.37s	723	68	16,531

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
GPT-5.6 Luna	5.1	10.0	0.0%	0		4.34s	477	112	496

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
GPT-5.6 Luna	9.9	10.0	100.0%	0		2.38s	660	95	393

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
GPT-5.6 Luna	7.8	10.0	66.7%	0		4.04s	642	255	2,104

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
GPT-5.6 Luna	10.0	10.0	100.0%	0		6.02s	5,454	256	244

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
GPT-5.6 Luna	3.0	10.0	0.0%	0		6.64s	195	29	2,379

クイック比較

比較ペアを切り替え