AI BENCHY Compare
Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.2 Chat
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: 2026-05-28
| 指標 | Claude Opus 4.8 Claude Opus 4.8 medium | GPT-5.2 Chat GPT-5.2 Chat none |
|---|---|---|
| スコア | 8.7 | 7.9 |
| 順位 | #12 | #31 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 9.6 | 8.9 |
| 正解テスト | ||
| 試行ごとの合格率 | 83.3% | 73.3% |
| 不安定なテスト | 1 | 3 |
| 総実行回数 | 60 | 60 |
| 結果あたりのコスト | 6.285 | 2.703 |
| 合計コスト | $1.006 | $0.352 |
| 入力価格 | $5.000 / 1M | $1.750 / 1M |
| 出力価格 | $25.000 / 1M | $14.000 / 1M |
| 出力トークン | 23,201 | 21,144 |
| 推論トークン | 5,901 | 0 |
| 応答時間（平均） | 9.34s | 6.82s |
| 応答時間（最大） | 38.03s | 38.52s |
| 応答時間（合計） | 186.84s | 136.34s |
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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.95s | 1,179 | 478 | |
| GPT-5.2 Chat | 8.7 | 7.9 | 91.7% | 1 | 3.40s | 1,807 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 14.97s | 6,651 | 1,381 | |
| GPT-5.2 Chat | 8.2 | 6.7 | 83.3% | 1 | 8.05s | 4,131 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 9.8 | 10.0 | 100.0% | 0 | 38.03s | 5,260 | 1,588 | |
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 9.12s | 1,243 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 7.1 | 5.6 | 83.3% | 1 | 12.29s | 481 | 312 | |
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 3.05s | 980 | 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 5.3 | 10.0 | 33.3% | 0 | 14.15s | 7,477 | 900 | |
| GPT-5.2 Chat | 5.3 | 10.0 | 33.3% | 0 | 17.78s | 7,810 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 2.46s | 237 | 0 | |
| GPT-5.2 Chat | 4.4 | 3.0 | 33.3% | 1 | 3.20s | 335 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.32s | 373 | 320 | |
| GPT-5.2 Chat | 9.8 | 10.0 | 100.0% | 0 | 5.51s | 1,441 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 3.95s | 791 | 483 | |
| GPT-5.2 Chat | 7.7 | 10.0 | 66.7% | 0 | 4.10s | 1,603 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 10.0 | 10.0 | 100.0% | 0 | 8.96s | 301 | 225 | |
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 4.68s | 555 | 0 |
| 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） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.8 | 3.0 | 10.0 | 0.0% | 0 | 6.14s | 451 | 214 | |
| GPT-5.2 Chat | 3.0 | 10.0 | 0.0% | 0 | 6.89s | 1,239 | 0 |
クイック比較
比較ペアを切り替え
Gemma 4 26B A4Bmedium無料で利用可能vsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGLM 5 TurbomediumClaude Opus 4.8mediumvsGemini 3 Flash PreviewlowGPT-5.2 ChatnonevsQwen3.5-27BmediumGPT-5.2 ChatnonevsQwen3.6 35B A3BmediumGPT-5.2 ChatnonevsGrok 4.3mediumGemini 3.5 FlashminimalvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.6 PlusmediumGemma 4 31Bmedium無料で利用可能vsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash LitemediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 Chatnone