AI BENCHY Compare

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

概要

Claude Opus 4.8 (low) vs GPT-5.6 Sol (medium) の benchmark 比較: GPT-5.6 Sol (medium) が平均スコアでリードし、9.4 vs 7.7 です。 GPT-5.6 Sol (medium) の benchmark コストが低く、$0.966 vs $1.270 です。 GPT-5.6 Sol (medium) の方が高速で、10.79s vs 10.83s です、成功率は 79.4% vs 90.5% です。

おすすめモデル: GPT-5.6 Sol (medium) - この比較で最も高いスコア（9.4）を出し、全 2 モデルの中でコストと応答時間のバランスも最良です。

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 Sol GPT-5.6 Sol 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 Sol GPT-5.6 Sol medium リリース: 2026-07-09
スコア	7.7	9.4
順位	#45	#5
信頼性	10.0	10.0
一貫性	8.8	8.8
正解テスト
試行ごとの合格率	79.4%	90.5%
不安定なテスト	3	3
総実行回数	63	63
結果あたりのコスト	8.466	5.682
合計コスト	$1.270	$0.966
入力価格	$5.000 / 1M	$5.000 / 1M
出力価格	$25.000 / 1M	$30.000 / 1M
合計入力トークン	60,946	34,218
出力トークン	31,771	1,895
推論トークン	6,831	24,600
応答時間（平均）	10.83s	10.79s
応答時間（最大）	127.97s	79.40s
応答時間（合計）	227.39s	226.57s

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

#5 GPT-5.6 Sol

medium

コスト: $0.124
時間: 57.2s
トークン: 4,199 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 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572

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 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706

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 Sol	10.0	10.0	100.0%	0		12.13s	11,019	318	1,214

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 Sol	10.0	10.0	100.0%	0		1.38s	7,140	222	0

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 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201

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 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214

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 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249

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 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566

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 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361

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 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517

クイック比較

比較ペアを切り替え