Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

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

Rezumat

Comparație benchmark Claude Opus 4.8 (low) vs GPT-5.6 Luna (high): Scorul mediu este practic egal la 7.7 vs 7.7. GPT-5.6 Luna (high) are costul de benchmark mai mic, $0.924 vs $1.270. Claude Opus 4.8 (low) este mai rapid cu 10.83s vs 18.39s, cu rate de reușită de 79.4% vs 71.4%.

Model recomandat: Claude Opus 4.8 (low) - Are cel mai bun scor aici (7.7) și răspunde de aproximativ 1.7x mai rapid decât GPT-5.6 Luna (high).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-09

Metrică Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28 GPT-5.6 Luna GPT-5.6 Luna high Lansare: 2026-07-09
Scor 7.7 7.7
Rang #45 #50
Fiabilitate 10.0 10.0
Consistență 8.8 8.8
Teste corecte
Rată de trecere pe încercare 79.4% 71.4%
Teste instabile 3 3
Rulări totale 63 63
Cost per rezultat 8.466 6.594
Cost total $1.270 $0.924
Preț de intrare $5.000 / 1M $1.000 / 1M
Preț de ieșire $25.000 / 1M $6.000 / 1M
Total tokenuri de intrare 60,946 35,699
Tokenuri de ieșire 31,771 2,079
Tokenuri de raționament 6,831 145,816
Timp de răspuns (mediu) 10.83s 18.39s
Timp de răspuns (maxim) 127.97s 111.09s
Timp de răspuns (total) 227.39s 386.24s

Prezentare generare

Hamster playing table tennis

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

#45 Claude Opus 4.8

low
Cost
$0.031
Timp
14.1s
Tokenuri
1,345 tok

#50 GPT-5.6 Luna

high
Cost
$0.033
Timp
34.2s
Tokenuri
5,484 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 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
GPT-5.6 Luna 8.3 10.0 75.0% 0 2.99s 606 162 1,265
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 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
GPT-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746
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 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
GPT-5.6 Luna 10.0 10.0 100.0% 0 13.29s 12,500 357 2,911
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 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
GPT-5.6 Luna 10.0 10.0 100.0% 0 2.18s 7,140 234 470
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 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
GPT-5.6 Luna 7.7 10.0 66.7% 0 78.96s 723 69 96,395
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 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
GPT-5.6 Luna 5.0 10.0 0.0% 0 3.65s 477 117 563
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 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
GPT-5.6 Luna 9.9 10.0 100.0% 0 1.79s 660 97 481
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 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
GPT-5.6 Luna 7.6 7.2 77.8% 1 14.55s 642 242 18,281
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 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
GPT-5.6 Luna 10.0 10.0 100.0% 0 4.98s 5,454 260 324
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 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
GPT-5.6 Luna 3.0 10.0 0.0% 0 17.00s 195 31 7,380

Comparație rapidă

Schimbă perechea de comparație

GPT-5.6 LunahighvsStep 3.7 FlashlowClaude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsGPT-5.6 LunahighClaude Opus 4.8lowvsKimi K2.6mediumDisponibil gratuitClaude Opus 4.8lowvsGrok 4.3mediumGPT-5.6 LunahighvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumGPT-5.6 LunahighvsQwen3.5-122B-A10BmediumKimi K2.6mediumDisponibil gratuitvsGPT-5.6 LunahighGemini 3.1 Flash LitemediumvsGPT-5.6 Lunahigh