Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

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

Rezumat

Comparație benchmark Claude Opus 4.8 (medium) vs GPT-5.2 Chat: Claude Opus 4.8 (medium) conduce la scorul mediu cu 8.8 vs 8.5. GPT-5.2 Chat are costul de benchmark mai mic, $0.393 vs $1.107. GPT-5.2 Chat este mai rapid cu 7.13s vs 9.72s, cu rate de reușită de 84.1% vs 74.6%.

Model recomandat: GPT-5.2 Chat - Scorul rămâne aproape de cel mai bun scor de aici (8.5 vs 8.8) și costă de aproximativ 2.8x mai puțin decât Claude Opus 4.8 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-10

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 8.8 8.5
Rang #15 #22
Fiabilitate 10.0 10.0
Consistență 9.6 8.9
Teste corecte
Rată de trecere pe încercare 84.1% 74.6%
Teste instabile 1 3
Rulări totale 63 63
Cost per rezultat 6.512 2.803
Cost total $1.107 $0.393
Preț de intrare $5.000 / 1M $1.750 / 1M
Preț de ieșire $25.000 / 1M $14.000 / 1M
Total tokenuri de intrare 61,007 34,212
Tokenuri de ieșire 26,495 23,744
Tokenuri de raționament 5,901 0
Timp de răspuns (mediu) 9.72s 7.13s
Timp de răspuns (maxim) 38.03s 38.52s
Timp de răspuns (total) 204.19s 149.69s

Prezentare generare

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
Cost
$0.057
Timp
23.1s
Tokenuri
2,412 tok

#22 GPT-5.2 Chat

none
Cost
$0.010
Timp
15.3s
Tokenuri
797 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 3.95s 834 1,179 478
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 606 1,807 0
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 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GPT-5.2 Chat 8.8 7.8 88.9% 1 9.82s 7,305 6,731 0
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 38.03s 23,561 5,260 1,588
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 11,019 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 intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.1 5.6 83.3% 1 12.29s 10,503 481 312
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 7,140 980 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 14.59s 975 7,477 900
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 723 7,810 0
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 2.46s 708 237 0
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 477 335 0
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 10.0 10.0 100.0% 0 3.32s 909 373 320
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 660 1,441 0
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 3.95s 894 791 483
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 642 1,603 0
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 8.96s 11,775 301 225
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 5,445 555 0
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 6.14s 258 451 214
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 195 1,239 0

Comparație rapidă

Schimbă perechea de comparație

Seed-2.0-LitemediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsGLM 5mediumGPT-5.2 ChatnonevsGrok 4.5mediumGPT-5.2 ChatnonevsGLM 5.2mediumDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.7 PlusmediumNemotron 3 Ultra 550b A55bmediumDisponibil gratuitvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGemini 3.5 Flashlow