Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.5

Rezumat

Comparație benchmark Claude Opus 4.8 vs GPT-5.5: GPT-5.5 conduce la scorul mediu cu 9.3 vs 8.8. GPT-5.5 are costul de benchmark mai mic, $0.907 vs $1.107. Claude Opus 4.8 este mai rapid cu 9.66s vs 9.76s, cu rate de reușită de 84.1% vs 85.7%.

Model recomandat: GPT-5.5 - Are cel mai puternic scor din această comparație (9.3) 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: 2026-06-12

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 8.8 9.3
Rang #15 #5
Fiabilitate 10.0 10.0
Consistență 9.6 10.0
Teste corecte
Rată de trecere pe încercare 84.1% 85.7%
Teste instabile 1 0
Rulări totale 63 63
Cost per rezultat 6.512 5.035
Cost total $1.107 $0.907
Preț de intrare $5.000 / 1M $5.000 / 1M
Preț de ieșire $25.000 / 1M $30.000 / 1M
Total tokenuri de intrare 61,007 34,209
Tokenuri de ieșire 26,495 2,046
Tokenuri de raționament 5,901 22,460
Timp de răspuns (mediu) 9.66s 9.76s
Timp de răspuns (maxim) 38.03s 56.19s
Timp de răspuns (total) 202.89s 204.92s

Generation showcase

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
Time
23.1s
Tokens
2,412 tok

#5 GPT-5.5

low
Cost
$0.068
Time
37.0s
Tokens
2,339 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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
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 14.15s 975 7,477 900
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840

Comparație rapidă

Schimbă perechea de comparație

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.2 ChatnoneClaude Opus 4.8mediumvsGemini 3.5 FlashlowGPT-5.5lowvsQwen3.6 Max PreviewmediumGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.8mediumvsDeepSeek V4 FlashhighClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.5lowvsGLM 5medium