AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.2

Rezumat

Comparație benchmark Claude Sonnet 4.6 vs GPT-5.2: GPT-5.2 conduce la scorul mediu cu 8.4 vs 7.3. Claude Sonnet 4.6 are costul de benchmark mai mic, $0.316 vs $0.548. Claude Sonnet 4.6 este mai rapid cu 5.04s vs 16.88s, cu rate de reușită de 55.6% vs 71.4%.

Model recomandat: GPT-5.2 - Are cel mai puternic scor din această comparație (8.4) 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: 2026-07-02

Metrică	Claude Sonnet 4.6 Claude Sonnet 4.6 none Lansare: 2026-02-17	GPT-5.2 GPT-5.2 medium Lansare: 2025-12-11

Metrică	Claude Sonnet 4.6 Claude Sonnet 4.6 none Lansare: 2026-02-17	GPT-5.2 GPT-5.2 medium Lansare: 2025-12-11
Scor	7.3	8.4
Rang	#57	#22
Fiabilitate	10.0	10.0
Consistență	9.7	8.4
Teste corecte
Rată de trecere pe încercare	55.6%	71.4%
Teste instabile	1	4
Rulări totale	63	63
Cost per rezultat	2.870	4.209
Cost total	$0.316	$0.548
Preț de intrare	$3.000 / 1M	$1.750 / 1M
Preț de ieșire	$15.000 / 1M	$14.000 / 1M
Total tokenuri de intrare	57,886	33,967
Tokenuri de ieșire	9,465	2,901
Tokenuri de raționament	0	31,932
Timp de răspuns (mediu)	5.04s	16.88s
Timp de răspuns (maxim)	23.84s	77.80s
Timp de răspuns (total)	70.60s	236.34s

Prezentare generare

Hamster playing table tennis

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

#57 Claude Sonnet 4.6

none

Cost: $0.038
Timp: 27.3s
Tokenuri: 2,598 tok

#22 GPT-5.2

medium

Cost: $0.047
Timp: 49.2s
Tokenuri: 3,396 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 Sonnet 4.6	4.8	10.0	25.0%	0		2.94s	636	1,214	0
GPT-5.2	6.5	8.0	58.3%	1		7.81s	606	567	2,002

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 Sonnet 4.6	5.5	10.0	33.3%	0		5.19s	8,522	2,127	0
GPT-5.2	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912

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 Sonnet 4.6	9.5	10.0	100.0%	0		23.84s	26,024	3,766	0
GPT-5.2	10.0	10.0	100.0%	0		14.06s	11,019	291	1,757

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 Sonnet 4.6	10.0	10.0	100.0%	0		3.43s	8,574	252	0
GPT-5.2	10.0	10.0	100.0%	0		3.15s	7,140	234	420

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 Sonnet 4.6	7.7	10.0	66.7%	0		3.54s	759	413	0
GPT-5.2	5.9	7.2	55.6%	1		77.80s	473	42	10,342

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 Sonnet 4.6	6.1	3.1	66.7%	1		2.56s	513	192	0
GPT-5.2	3.7	9.7	0.0%	0		4.32s	477	162	269

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 Sonnet 4.6	6.5	10.0	50.0%	0		1.96s	690	90	0
GPT-5.2	9.9	10.0	100.0%	0		3.12s	660	94	614

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 Sonnet 4.6	7.7	10.0	66.7%	0		2.53s	663	533	0
GPT-5.2	7.5	7.3	77.8%	1		5.80s	642	735	924

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 Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	11,301	447	0
GPT-5.2	4.7	1.6	66.7%	1		10.30s	5,453	239	469

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 Sonnet 4.6	3.0	10.0	0.0%	0		4.67s	204	431	0
GPT-5.2	3.0	10.0	0.0%	0		28.18s	195	26	3,223

Comparație rapidă

Schimbă perechea de comparație