AI BENCHY Compare

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

Rezumat

Comparație benchmark Claude Opus 4.8 (low) vs GPT-5.6 Sol (medium): GPT-5.6 Sol (medium) conduce la scorul mediu cu 9.4 vs 7.7. GPT-5.6 Sol (medium) are costul de benchmark mai mic, $0.966 vs $1.270. GPT-5.6 Sol (medium) este mai rapid cu 10.79s vs 10.83s, cu rate de reușită de 79.4% vs 90.5%.

Model recomandat: GPT-5.6 Sol (medium) - Are cel mai puternic scor din această comparație (9.4) și cel mai bun echilibru între cost și timp de răspuns dintre toate cele 2 modele.

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 Sol GPT-5.6 Sol medium Lansare: 2026-07-09

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	GPT-5.6 Sol GPT-5.6 Sol medium Lansare: 2026-07-09
Scor	7.7	9.4
Rang	#45	#5
Fiabilitate	10.0	10.0
Consistență	8.8	8.8
Teste corecte
Rată de trecere pe încercare	79.4%	90.5%
Teste instabile	3	3
Rulări totale	63	63
Cost per rezultat	8.466	5.682
Cost total	$1.270	$0.966
Preț de intrare	$5.000 / 1M	$5.000 / 1M
Preț de ieșire	$25.000 / 1M	$30.000 / 1M
Total tokenuri de intrare	60,946	34,218
Tokenuri de ieșire	31,771	1,895
Tokenuri de raționament	6,831	24,600
Timp de răspuns (mediu)	10.83s	10.79s
Timp de răspuns (maxim)	127.97s	79.40s
Timp de răspuns (total)	227.39s	226.57s

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

#5 GPT-5.6 Sol

medium

Cost: $0.124
Timp: 57.2s
Tokenuri: 4,199 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 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572

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 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706

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 Sol	10.0	10.0	100.0%	0		12.13s	11,019	318	1,214

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 Sol	10.0	10.0	100.0%	0		1.38s	7,140	222	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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
GPT-5.6 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201

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 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214

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 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249

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 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566

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 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361

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 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517

Comparație rapidă

Schimbă perechea de comparație