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-5.6 Sol

Rezumat

Comparație benchmark Claude Opus 4.8 (medium) vs GPT-5.6 Sol (low): GPT-5.6 Sol (low) conduce la scorul mediu cu 9.5 vs 8.8. GPT-5.6 Sol (low) are costul de benchmark mai mic, $0.649 vs $1.107. GPT-5.6 Sol (low) este mai rapid cu 8.29s vs 9.72s, cu rate de reușită de 84.1% vs 85.7%.

Model recomandat: GPT-5.6 Sol (low) - Are cel mai bun scor aici (9.5) și costă de aproximativ 1.7x mai puțin decât Claude Opus 4.8 (medium).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-09

Metrică Claude Opus 4.8 Claude Opus 4.8 medium Lansare: 2026-05-28 GPT-5.6 Sol GPT-5.6 Sol low Lansare: 2026-07-09
Scor 8.8 9.5
Rang #15 #3
Fiabilitate 10.0 10.0
Consistență 9.6 9.2
Teste corecte
Rată de trecere pe încercare 84.1% 85.7%
Teste instabile 1 2
Rulări totale 63 63
Cost per rezultat 6.512 3.816
Cost total $1.107 $0.649
Preț de intrare $5.000 / 1M $5.000 / 1M
Preț de ieșire $25.000 / 1M $30.000 / 1M
Total tokenuri de intrare 61,007 34,218
Tokenuri de ieșire 26,495 1,898
Tokenuri de raționament 5,901 14,023
Timp de răspuns (mediu) 9.72s 8.29s
Timp de răspuns (maxim) 38.03s 53.91s
Timp de răspuns (total) 204.19s 174.04s

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

#3 GPT-5.6 Sol

low
Cost
$0.062
Timp
26.7s
Tokenuri
2,150 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-5.6 Sol 8.3 10.0 75.0% 0 2.60s 606 174 492
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-5.6 Sol 10.0 10.0 100.0% 0 11.25s 7,302 412 3,482
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-5.6 Sol 10.0 10.0 100.0% 0 9.87s 11,019 318 792
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-5.6 Sol 10.0 10.0 100.0% 0 1.82s 7,140 222 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-5.6 Sol 5.3 7.2 44.4% 1 29.07s 723 71 7,822
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-5.6 Sol 10.0 10.0 100.0% 0 3.07s 477 99 135
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-5.6 Sol 10.0 10.0 100.0% 0 2.27s 660 90 146
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-5.6 Sol 8.2 7.2 88.9% 1 3.44s 642 224 534
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-5.6 Sol 10.0 10.0 100.0% 0 7.56s 5,454 258 294
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-5.6 Sol 10.0 10.0 100.0% 0 3.67s 195 30 326

Comparație rapidă

Schimbă perechea de comparație

Gemini 3 Flash PreviewmediumvsGPT-5.6 SollowGPT-5.6 SollowvsQwen3.7 MaxmediumGemini 3.5 FlashhighvsGPT-5.6 SollowClaude Fable 5mediumvsGPT-5.6 SollowGemini 3.1 Pro PreviewmediumvsGPT-5.6 SollowClaude Opus 4.8mediumvsGPT-5.2 ChatnoneGemini 3.5 FlashmediumvsGPT-5.6 SollowClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.8mediumvsDeepSeek V4 FlashhighGPT-5.6 SollowvsQwen3.6 Max Previewmedium