Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.2 Chat

Rezumat

Comparație benchmark Claude Opus 4.6 vs GPT-5.2 Chat: GPT-5.2 Chat conduce la scorul mediu cu 8.5 vs 7.7. GPT-5.2 Chat are costul de benchmark mai mic, $0.393 vs $2.053. GPT-5.2 Chat este mai rapid cu 7.13s vs 25.89s, cu rate de reușită de 61.9% vs 74.6%.

Model recomandat: GPT-5.2 Chat - Are cel mai bun scor aici (8.5) și costă de aproximativ 5.2x mai puțin decât Claude Opus 4.6.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-02

Metrică Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05 GPT-5.2 Chat GPT-5.2 Chat none Lansare: 2025-12-11
Scor 7.7 8.5
Rang #40 #19
Fiabilitate 10.0 10.0
Consistență 8.8 8.9
Teste corecte
Rată de trecere pe încercare 61.9% 74.6%
Teste instabile 3 3
Rulări totale 63 63
Cost per rezultat 17.103 2.803
Cost total $2.053 $0.393
Preț de intrare $5.000 / 1M $1.750 / 1M
Preț de ieșire $25.000 / 1M $14.000 / 1M
Total tokenuri de intrare 53,227 34,212
Tokenuri de ieșire 47,446 23,744
Tokenuri de raționament 24,000 0
Timp de răspuns (mediu) 25.89s 7.13s
Timp de răspuns (maxim) 83.40s 38.52s
Timp de răspuns (total) 362.49s 149.69s

Prezentare generare

Hamster playing table tennis

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

#40 Claude Opus 4.6

medium
SVG invalid
Cost
$0.000
Timp
300.0s
Tokenuri
0 tok

#19 GPT-5.2 Chat

none
Cost
$0.010
Timp
15.3s
Tokenuri
797 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 606 1,807 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
GPT-5.2 Chat 8.8 7.8 88.9% 1 9.82s 7,305 6,731 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 11,019 1,243 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 7,140 980 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 723 7,810 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 477 335 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 660 1,441 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 642 1,603 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 5,445 555 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 195 1,239 0

Comparație rapidă

Schimbă perechea de comparație

Seed-2.0-LitemediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowGPT-5.2 ChatnonevsGLM 5mediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighGPT-5.2 ChatnonevsGLM 5.2mediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.7 PlusmediumClaude Opus 4.6mediumvsGemini 3 Flash Previewlow