Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.5

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-5.5 GPT-5.5 low Lansare: 2026-04-24
Scor 8.7 8.9
Rang #12 #8
Fiabilitate 10.0 10.0
Consistență 9.6 10.0
Teste corecte
Rată de trecere pe încercare 83.3% 85.0%
Teste instabile 1 0
Rulări totale 60 60
Cost per rezultat 6.285 4.833
Cost total $1.006 $0.822
Preț de intrare $5.000 / 1M $5.000 / 1M
Preț de ieșire $25.000 / 1M $30.000 / 1M
Tokenuri de ieșire 23,201 2,025
Tokenuri de raționament 5,901 20,092
Timp de răspuns (mediu) 9.34s 9.43s
Timp de răspuns (maxim) 38.03s 56.19s
Timp de răspuns (total) 186.84s 188.66s

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-5.5 10.0 10.0 100.0% 0 4.41s 238 1,020
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-5.5 10.0 10.0 100.0% 0 14.42s 402 4,034
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-5.5 10.0 10.0 100.0% 0 9.56s 303 717
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-5.5 10.0 10.0 100.0% 0 3.28s 228 157
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-5.5 5.3 10.0 33.3% 0 28.05s 69 11,609
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-5.5 10.0 10.0 100.0% 0 5.17s 133 245
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-5.5 9.9 10.0 100.0% 0 3.74s 93 415
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-5.5 10.0 10.0 100.0% 0 4.74s 279 954
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-5.5 10.0 10.0 100.0% 0 4.96s 250 101
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-5.5 3.0 10.0 0.0% 0 10.06s 30 840

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.7mediumvsGPT-5.5lowGemini 3.5 FlashnonevsGPT-5.5lowClaude Opus 4.8mediumvsGemini 3 Flash PreviewlowGemini 3.5 FlashmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.7 MaxmediumClaude Opus 4.8mediumvsGemini 3.5 FlashnoneGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowGemini 3.5 FlashhighvsGPT-5.5lowGPT-5.5lowvsGLM 5mediumClaude Opus 4.8mediumvsGemini 3.5 Flashminimal