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-5.4

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-03

Metrică Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28 GPT-5.4 GPT-5.4 medium Lansare: 2026-03-05
Scor 7.3 7.9
Rang #62 #27
Fiabilitate 10.0 10.0
Consistență 9.2 8.5
Teste corecte
Rată de trecere pe încercare 65.0% 75.0%
Teste instabile 2 4
Rulări totale 60 60
Cost per rezultat 4.324 8.765
Cost total $0.519 $1.140
Preț de intrare $5.000 / 1M $2.500 / 1M
Preț de ieșire $25.000 / 1M $15.000 / 1M
Total tokenuri de intrare 63,282 31,489
Tokenuri de ieșire 8,098 2,221
Tokenuri de raționament 0 68,486
Timp de răspuns (mediu) 3.51s 22.31s
Timp de răspuns (maxim) 17.73s 100.41s
Timp de răspuns (total) 70.19s 446.17s

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 6.5 10.0 50.0% 0 3.40s 834 1,472 0
GPT-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
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 6.8 10.0 50.0% 0 3.59s 6,768 1,323 0
GPT-5.4 8.2 6.7 83.3% 1 54.98s 4,686 412 19,995
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 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
GPT-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
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 7.3 5.8 83.3% 1 1.77s 10,503 308 0
GPT-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
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 7.2 44.4% 1 1.66s 975 61 0
GPT-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
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 3.48s 708 230 0
GPT-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
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 9.9 10.0 100.0% 0 1.37s 909 95 0
GPT-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
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 7.7 10.0 66.7% 0 2.74s 894 783 0
GPT-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
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 5.35s 11,775 355 0
GPT-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
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 3.41s 258 212 0
GPT-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821

Comparație rapidă

Schimbă perechea de comparație

GPT-5.4mediumvsQwen3.7 MaxnoneClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumClaude Opus 4.8nonevsGPT-5.4 MinimediumGemini 3.5 FlashminimalvsGPT-5.4mediumClaude Opus 4.8nonevsGPT-5.2mediumClaude Opus 4.8nonevsQwen3.6 35B A3BmediumClaude Opus 4.8nonevsGLM 5V TurbomediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsMiniMax M3mediumClaude Opus 4.8nonevsStep 3.7 FlashlowClaude Opus 4.8nonevsGPT-5 Minimedium