Navigare
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 4.6 vs OpenAI: GPT-5.5

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-04-24

Metrică Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05 GPT-5.5 GPT-5.5 none Lansare: 2026-04-24
Scor 7.6 6.8
Rang #45 #58
Fiabilitate N/D N/D
Consistență 9.1 8.3
Teste corecte
Rată de trecere pe încercare 70.4% 61.1%
Teste instabile 2 4
Rulări totale 54 54
Cost per rezultat 12.047 2.162
Cost total $1.446 $0.195
Preț de intrare $5.000 / 1M $5.000 / 1M
Preț de ieșire $25.000 / 1M $30.000 / 1M
Tokenuri de ieșire 29,829 1,910
Tokenuri de raționament 18,938 0
Timp de răspuns (mediu) 21.08s 1.83s
Timp de răspuns (maxim) 83.40s 5.56s
Timp de răspuns (total) 231.84s 32.86s

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 ieșire Tokenuri de raționament
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 986 1,071
GPT-5.5 6.9 7.9 66.7% 1 1.31s 213 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 23.11s 3,486 1,504
GPT-5.5 10.0 10.0 100.0% 0 2.05s 426 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
GPT-5.5 3.0 10.0 0.0% 0 5.56s 300 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 691 757
GPT-5.5 10.0 10.0 100.0% 0 1.18s 222 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 14,642 8,687
GPT-5.5 2.9 7.2 11.1% 1 1.31s 52 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
GPT-5.5 10.0 10.0 100.0% 0 3.41s 124 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
GPT-5.5 6.2 5.8 66.7% 1 1.15s 81 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 7.7 10.0 66.7% 0 4.60s 531 637
GPT-5.5 6.7 7.9 55.6% 1 1.36s 245 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
GPT-5.5 10.0 10.0 100.0% 0 3.90s 247 0

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.6mediumvsGPT-5.3 ChatnoneNemotron 3 SupermediumDisponibil gratuitvsGPT-5.5noneGPT-5.5nonevsGrok 4.1 FastmediumClaude Opus 4.6mediumvsDeepSeek V4 FlashhighGPT-5.5nonevsGrok 4.20mediumKimi K2.5mediumvsGPT-5.5noneMercury 2mediumvsGPT-5.5noneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsHY3 PreviewlowDisponibil gratuit