Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs OpenAI: GPT-5.4

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-04

Metrică Claude Opus 4.7 Claude Opus 4.7 medium Lansare: 2026-04-16 GPT-5.4 GPT-5.4 medium Lansare: 2026-03-05
Scor 8.7 8.0
Rang #11 #21
Fiabilitate 10.0 10.0
Consistență 9.6 8.6
Teste corecte
Rată de trecere pe încercare 82.5% 76.2%
Teste instabile 1 4
Rulări totale 63 63
Cost per rezultat 3.991 8.640
Cost total $0.679 $1.210
Preț de intrare $5.000 / 1M $2.500 / 1M
Preț de ieșire $25.000 / 1M $15.000 / 1M
Total tokenuri de intrare 65,406 34,108
Tokenuri de ieșire 11,858 2,242
Tokenuri de raționament 2,198 72,707
Timp de răspuns (mediu) 4.73s 22.35s
Timp de răspuns (maxim) 23.18s 100.41s
Timp de răspuns (total) 94.51s 469.29s

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 4.7 8.3 10.0 75.0% 0 1.85s 894 348 0
GPT-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
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 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
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 4.7 10.0 10.0 100.0% 0 21.45s 24,501 2,369 1,084
GPT-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
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 4.7 10.0 10.0 100.0% 0 2.37s 10,533 324 0
GPT-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
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 4.7 7.7 10.0 66.7% 0 1.17s 630 51 0
GPT-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
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 4.7 10.0 10.0 100.0% 0 2.87s 723 256 0
GPT-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
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 4.7 10.0 10.0 100.0% 0 1.57s 939 114 0
GPT-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
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 4.7 10.0 10.0 100.0% 0 2.43s 939 370 0
GPT-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
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 4.7 10.0 10.0 100.0% 0 4.17s 15,339 373 0
GPT-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
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 4.7 3.0 10.0 0.0% 0 2.25s 273 24 0
GPT-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821

Comparație rapidă

Schimbă perechea de comparație

Gemini 3.5 FlashnonevsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.4mediumClaude Opus 4.7mediumvsGemini 3 Flash PreviewlowGemini 3.5 FlashminimalvsGPT-5.4mediumClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.4mediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewlowvsGPT-5.4mediumClaude Opus 4.7mediumvsGemini 3.5 FlashnoneGemini 3 Flash PreviewnonevsGPT-5.4mediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumClaude Opus 4.7mediumvsGemini 3.5 FlashlowClaude Opus 4.7mediumvsGPT-5.2 Chatnone