नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.4 Nano

सारांश

Claude Opus 4.8 (low) average score मध्ये पुढे आहे: 7.8 vs 7.5. GPT-5.4 Nano (medium) चा benchmark खर्च कमी आहे: $0.138 vs $2.077. Claude Opus 4.8 (low) वेगवान आहे: 12.74s vs 13.24s, pass rates 80.3% vs 65.2%.

शिफारस केलेले मॉडेलGPT-5.4 Nano (medium)Its score stays close to the best score here (7.5 vs 7.8), while costing about 15.1x less than Claude Opus 4.8 (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low प्रकाशन: 2026-05-28 GPT-5.4 Nano GPT-5.4 Nano medium प्रकाशन: 2026-03-17
स्कोअर 7.8 7.5
क्रमांक #39 #51
विश्वसनीयता 10.0 10.0
सुसंगतता 8.9 8.5
बरोबर चाचण्या
प्रति प्रयत्न पास दर 80.3% 65.2%
अस्थिर चाचण्या 3 4
एकूण रन 66 66
प्रति निकाल खर्च 12.979 1.150
एकूण खर्च $2.077 $0.138
इनपुट किंमत $5.000 / 1M $0.200 / 1M
आउटपुट किंमत $25.000 / 1M $1.250 / 1M
एकूण इनपुट टोकन्स 156,525 82,819
आउटपुट टोकन्स 43,141 7,100
रिझनिंग टोकन्स 8,617 90,022
प्रतिसाद वेळ (सरासरी) 12.74s 13.24s
प्रतिसाद वेळ (कमाल) 127.97s 94.06s
प्रतिसाद वेळ (एकूण) 280.29s 291.33s

जनरेशन शोकेस

Hamster playing table tennis

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

#39 Claude Opus 4.8

low
खर्च
$0.031
वेळ
14.1s
टोकन्स
1,345 tok

#51 GPT-5.4 Nano

medium
खर्च
$0.007
वेळ
24.6s
टोकन्स
4,943 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
GPT-5.4 Nano 6.1 4.7 66.7% 2 19.12s 7,305 516 20,778

झटपट तुलना

तुलना जोडी बदला