AI BENCHY Compare

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

概要

Claude Opus 4.8 vs GPT-5.6 Luna (medium) の benchmark 比較: GPT-5.6 Luna (medium) が平均スコアでリードし、7.6 vs 7.2 です。 GPT-5.6 Luna (medium) の benchmark コストが低く、$0.258 vs $0.539 です。 Claude Opus 4.8 の方が高速で、3.48s vs 6.70s です、成功率は 61.9% vs 63.5% です。

おすすめモデル: GPT-5.6 Luna (medium) - ここでは最高スコア（7.6）で、Claude Opus 4.8 より約 2.1 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 none 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 none 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	7.2	7.6
順位	#69	#54
信頼性	10.0	10.0
一貫性	9.2	9.6
正解テスト
試行ごとの合格率	61.9%	63.5%
不安定なテスト	2	1
総実行回数	63	63
結果あたりのコスト	4.485	1.978
合計コスト	$0.539	$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	67,104	35,699
出力トークン	8,107	2,148
推論トークン	0	34,740
応答時間（平均）	3.48s	6.70s
応答時間（最大）	17.73s	29.85s
応答時間（合計）	73.00s	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.

#69 Claude Opus 4.8

none

コスト: $0.053
時間: 22.0s
トークン: 2,253 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
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	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
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	7.3	5.8	83.3%	1		1.77s	10,503	308	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	7.2	44.4%	1		1.70s	975	61	0
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		3.48s	708	230	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	9.9	10.0	100.0%	0		1.37s	909	95	0
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	7.7	10.0	66.7%	0		2.74s	894	783	0
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		5.35s	11,775	355	0
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		3.41s	258	212	0
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