AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5 Mini

Rezumat

Comparație benchmark Claude Opus 4.8 vs GPT-5 Mini: GPT-5 Mini conduce la scorul mediu cu 8.5 vs 7.7. GPT-5 Mini are costul de benchmark mai mic, $0.159 vs $1.270. Claude Opus 4.8 este mai rapid cu 10.83s vs 23.64s, cu rate de reușită de 79.4% vs 63.5%.

Model recomandat: GPT-5 Mini - Are cel mai bun scor aici (8.5) și costă de aproximativ 8.0x mai puțin decât Claude Opus 4.8.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-02

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	GPT-5 Mini GPT-5 Mini medium Lansare: 2025-08-07

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	GPT-5 Mini GPT-5 Mini medium Lansare: 2025-08-07
Scor	7.7	8.5
Rang	#38	#16
Fiabilitate	10.0	10.0
Consistență	8.8	9.1
Teste corecte
Rată de trecere pe încercare	79.4%	63.5%
Teste instabile	3	2
Rulări totale	63	63
Cost per rezultat	8.466	1.319
Cost total	$1.270	$0.159
Preț de intrare	$5.000 / 1M	$0.250 / 1M
Preț de ieșire	$25.000 / 1M	$2.000 / 1M
Total tokenuri de intrare	60,946	37,100
Tokenuri de ieșire	31,771	6,801
Tokenuri de raționament	6,831	67,690
Timp de răspuns (mediu)	10.83s	23.64s
Timp de răspuns (maxim)	127.97s	88.15s
Timp de răspuns (total)	227.39s	496.44s

Prezentare generare

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

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

#16 GPT-5 Mini

medium

Cost: $0.007
Timp: 42.9s
Tokenuri: 3,432 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 Mini	7.1	7.6	66.7%	1		13.86s	606	1,715	6,378

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 Mini	10.0	10.0	100.0%	0		27.63s	7,302	658	17,152

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 Mini	10.0	10.0	100.0%	0		88.15s	14,118	754	11,520

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 Mini	10.0	10.0	100.0%	0		12.58s	7,140	453	3,200

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 Mini	3.6	7.2	22.2%	1		44.63s	515	293	14,016

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 Mini	4.5	10.0	0.0%	0		13.50s	477	349	1,856

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 Mini	10.0	10.0	100.0%	0		11.59s	660	310	3,968

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 Mini	5.6	9.8	33.3%	0		15.20s	642	1,622	6,144

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 Mini	10.0	10.0	100.0%	0		18.64s	5,445	487	1,600

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 Mini	3.0	10.0	0.0%	0		9.99s	195	160	1,856

Comparație rapidă

Schimbă perechea de comparație