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 (medium): Claude Opus 4.8 (low) conduce la scorul mediu cu 7.7 vs 7.6. GPT-5.6 Luna (medium) are costul de benchmark mai mic, $0.258 vs $1.270. GPT-5.6 Luna (medium) este mai rapid cu 6.70s vs 10.83s, cu rate de reușită de 79.4% vs 63.5%.

Model recomandat: GPT-5.6 Luna (medium) - Scorul rămâne aproape de cel mai bun scor de aici (7.6 vs 7.7) și costă de aproximativ 4.9x mai puțin decât Claude Opus 4.8 (low).

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 medium Lansare: 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 medium Lansare: 2026-07-09
Scor	7.7	7.6
Rang	#45	#54
Fiabilitate	10.0	10.0
Consistență	8.8	9.6
Teste corecte
Rată de trecere pe încercare	79.4%	63.5%
Teste instabile	3	1
Rulări totale	63	63
Cost per rezultat	8.466	1.978
Cost total	$1.270	$0.258
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	2,148
Tokenuri de raționament	6,831	34,740
Timp de răspuns (mediu)	10.83s	6.70s
Timp de răspuns (maxim)	127.97s	29.85s
Timp de răspuns (total)	227.39s	140.62s

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

#54 GPT-5.6 Luna

medium

Cost: $0.014
Timp: 14.6s
Tokenuri: 2,362 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		2.52s	606	160	987

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	5.4	7.2	44.4%	1		10.38s	7,302	564	9,928

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		9.53s	12,500	375	1,354

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		1.95s	7,140	234	324

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	5.3	10.0	33.3%	0		17.37s	723	68	16,531

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	5.1	10.0	0.0%	0		4.34s	477	112	496

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		2.38s	660	95	393

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	7.8	10.0	66.7%	0		4.04s	642	255	2,104

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		6.02s	5,454	256	244

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		6.64s	195	29	2,379

Comparație rapidă

Schimbă perechea de comparație