नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

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

सारांश

Claude Opus 4.8 (medium) vs GPT-5.6 Sol (high) benchmark तुलना: GPT-5.6 Sol (high) average score मध्ये पुढे आहे: 9.4 vs 8.8. GPT-5.6 Sol (high) चा benchmark खर्च कमी आहे: $0.821 vs $1.107. Claude Opus 4.8 (medium) वेगवान आहे: 9.72s vs 10.56s, pass rates 84.1% vs 88.9%.

शिफारस केलेले मॉडेल: GPT-5.6 Sol (high) - It has the strongest score in this comparison (9.4) and the best overall balance of cost and response time across all 2 models.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-09

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 medium प्रकाशन: 2026-05-28 GPT-5.6 Sol GPT-5.6 Sol high प्रकाशन: 2026-07-09
स्कोअर 8.8 9.4
क्रमांक #15 #6
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 8.8
बरोबर चाचण्या
प्रति प्रयत्न पास दर 84.1% 88.9%
अस्थिर चाचण्या 1 3
एकूण रन 63 63
प्रति निकाल खर्च 6.512 4.824
एकूण खर्च $1.107 $0.821
इनपुट किंमत $5.000 / 1M $5.000 / 1M
आउटपुट किंमत $25.000 / 1M $30.000 / 1M
एकूण इनपुट टोकन्स 61,007 34,114
आउटपुट टोकन्स 26,495 1,872
रिझनिंग टोकन्स 5,901 19,777
प्रतिसाद वेळ (सरासरी) 9.72s 10.56s
प्रतिसाद वेळ (कमाल) 38.03s 54.79s
प्रतिसाद वेळ (एकूण) 204.19s 221.69s

जनरेशन शोकेस

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
खर्च
$0.057
वेळ
23.1s
टोकन्स
2,412 tok

#6 GPT-5.6 Sol

high
खर्च
$0.151
वेळ
201.9s
टोकन्स
5,100 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

अँटी-एआय युक्त्या स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 834 1,179 478
GPT-5.6 Sol 8.7 7.9 91.7% 1 3.39s 606 171 644
कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GPT-5.6 Sol 10.0 10.0 100.0% 0 12.52s 7,302 404 5,656
संयुक्त स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 9.8 10.0 100.0% 0 38.03s 23,561 5,260 1,588
GPT-5.6 Sol 10.0 10.0 100.0% 0 13.68s 11,019 315 1,599
डेटा पार्सिंग आणि निष्कर्षण स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 7.1 5.6 83.3% 1 12.29s 10,503 481 312
GPT-5.6 Sol 10.0 10.0 100.0% 0 1.16s 7,140 222 0
डोमेन-विशिष्ट स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 5.3 10.0 33.3% 0 14.59s 975 7,477 900
GPT-5.6 Sol 5.3 7.2 44.4% 1 39.45s 619 62 9,556
Samanya Buddhimatta स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 10.0 10.0 100.0% 0 2.46s 708 237 0
GPT-5.6 Sol 10.0 10.0 100.0% 0 4.40s 477 97 238
सूचनांचे पालन स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 10.0 10.0 100.0% 0 3.32s 909 373 320
GPT-5.6 Sol 10.0 10.0 100.0% 0 2.73s 660 96 331
कोडी सोडवणे स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 894 791 483
GPT-5.6 Sol 10.0 10.0 100.0% 0 4.10s 642 211 675
टूल कॉलिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 10.0 10.0 100.0% 0 8.96s 11,775 301 225
GPT-5.6 Sol 10.0 10.0 100.0% 0 7.08s 5,454 264 393
सामान्य ज्ञान स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 3.0 10.0 0.0% 0 6.14s 258 451 214
GPT-5.6 Sol 4.7 1.6 66.7% 1 6.97s 195 30 685

झटपट तुलना

तुलना जोडी बदला