Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.2 Chat

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-28

Metrică Claude Opus 4.8 Claude Opus 4.8 medium Lansare: 2026-05-28 GPT-5.2 Chat GPT-5.2 Chat none Lansare: 2025-12-11
Scor 8.7 7.9
Rang #12 #31
Fiabilitate 10.0 10.0
Consistență 9.6 8.9
Teste corecte
Rată de trecere pe încercare 83.3% 73.3%
Teste instabile 1 3
Rulări totale 60 60
Cost per rezultat 6.285 2.703
Cost total $1.006 $0.352
Preț de intrare $5.000 / 1M $1.750 / 1M
Preț de ieșire $25.000 / 1M $14.000 / 1M
Tokenuri de ieșire 23,201 21,144
Tokenuri de raționament 5,901 0
Timp de răspuns (mediu) 9.34s 6.82s
Timp de răspuns (maxim) 38.03s 38.52s
Timp de răspuns (total) 186.84s 136.34s

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 ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 1,179 478
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 1,807 0
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 14.97s 6,651 1,381
GPT-5.2 Chat 8.2 6.7 83.3% 1 8.05s 4,131 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.8 10.0 100.0% 0 38.03s 5,260 1,588
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 1,243 0
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.1 5.6 83.3% 1 12.29s 481 312
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 980 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.3 10.0 33.3% 0 14.15s 7,477 900
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 7,810 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 2.46s 237 0
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 335 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.32s 373 320
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 1,441 0
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 791 483
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 1,603 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 8.96s 301 225
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 555 0
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 3.0 10.0 0.0% 0 6.14s 451 214
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 1,239 0

Comparație rapidă

Schimbă perechea de comparație

Gemma 4 26B A4BmediumDisponibil gratuitvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsGLM 5 TurbomediumClaude Opus 4.8mediumvsGemini 3 Flash PreviewlowGPT-5.2 ChatnonevsQwen3.5-27BmediumGPT-5.2 ChatnonevsQwen3.6 35B A3BmediumGPT-5.2 ChatnonevsGrok 4.3mediumGemini 3.5 FlashminimalvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.6 PlusmediumGemma 4 31BmediumDisponibil gratuitvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash LitemediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 Chatnone