Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.4

Claude Opus 4.8 (medium) が平均スコアでリードし、8.8 vs 8.5 です。 GPT-5.4 (medium) の benchmark コストが低く、$1.533 vs $1.931 です。 Claude Opus 4.8 (medium) の方が高速で、12.49s vs 23.10s です、成功率は 84.9% vs 77.3% です。

おすすめモデルClaude Opus 4.8 (medium)ここでは最高スコア（8.8）で、GPT-5.4 (medium) より約 1.9 倍速く応答します。

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: 2026-07-22

指標	Claude Opus 4.8 Claude Opus 4.8 medium リリース: 2026-05-28	GPT-5.4 GPT-5.4 medium リリース: 2026-03-05

指標	Claude Opus 4.8 Claude Opus 4.8 medium リリース: 2026-05-28	GPT-5.4 GPT-5.4 medium リリース: 2026-03-05
スコア	8.8	8.5
順位	#17	#21
信頼性	10.0	10.0
一貫性	9.6	8.6
正解テスト
試行ごとの合格率	84.9%	77.3%
不安定なテスト	1	4
総実行回数	66	66
結果あたりのコスト	10.724	10.220
合計コスト	$1.931	$1.533
入力価格	$5.000 / 1M	$2.500 / 1M
出力価格	$25.000 / 1M	$15.000 / 1M
合計入力トークン	138,451	81,127
出力トークン	40,766	6,155
推論トークン	9,075	82,515
応答時間（平均）	12.49s	23.10s
応答時間（最大）	70.54s	100.41s
応答時間（合計）	274.72s	508.26s

Hamster playing table tennis

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

#17 Claude Opus 4.8

medium

コスト: $0.057
時間: 23.1s
トークン: 2,412 tok

#21 GPT-5.4

medium

コスト: $0.214
時間: 199.6s
トークン: 14,349 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

カテゴリ:

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		3.95s	834	1,179	478
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511

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	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
GPT-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216

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	9.9	10.0	100.0%	0		54.29s	101,005	19,531	4,762
GPT-5.4	10.0	10.0	100.0%	0		29.77s	58,038	4,214	13,351

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	7.1	5.6	83.3%	1		12.29s	10,503	481	312
GPT-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804

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		14.59s	975	7,477	900
GPT-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748

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		2.46s	708	237	0
GPT-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321

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	10.0	10.0	100.0%	0		3.32s	909	373	320
GPT-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897

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		3.95s	894	791	483
GPT-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815

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		8.96s	11,775	301	225
GPT-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031

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		6.14s	258	451	214
GPT-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821

クイック比較

比較ペアを切り替え

Claude Opus 4.8mediumvsGrok 4.5high Claude Opus 4.8mediumvsGemini 3.5 Flashlow GPT-5.4mediumvsGrok 4.5low Muse Spark 1.1lowvsGPT-5.4medium GPT-5.4mediumvsGrok 4.5high Gemini 3.5 FlashlowvsGPT-5.4medium Muse Spark 1.1highvsGPT-5.4medium Claude Opus 4.8mediumvsGrok 4.5low Gemini 3.5 Flash-LitehighvsGPT-5.4medium GPT-5.4mediumvsInklinghigh Claude Opus 4.8mediumvsGPT-5.5low GPT-5.4mediumvsGLM 5.2high