AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.5

Сводка

Сравнение benchmark Claude Opus 4.6 vs GPT-5.5: Claude Opus 4.6 лидирует по среднему баллу: 7.0 vs 6.4. GPT-5.5 имеет более низкую стоимость benchmark: $0.231 vs $2.053. GPT-5.5 быстрее: 1.89s vs 25.89s, с долей успешных попыток 61.9% vs 54.0%.

Рекомендуемая модель: GPT-5.5 - Его балл близок к лучшему здесь (6.4 против 7.0), при этом он примерно в 8.9 раза дешевле, чем Claude Opus 4.6.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-04

Метрика	Claude Opus 4.6 Claude Opus 4.6 medium Релиз: 2026-02-05	GPT-5.5 GPT-5.5 none Релиз: 2026-04-24

Метрика	Claude Opus 4.6 Claude Opus 4.6 medium Релиз: 2026-02-05	GPT-5.5 GPT-5.5 none Релиз: 2026-04-24
Оценка	7.0	6.4
Ранг	#69	#91
Надежность	10.0	10.0
Стабильность	8.8	8.8
Тестов верно
Доля успешных попыток	61.9%	54.0%
Нестабильные тесты	3	3
Всего запусков	63	63
Стоимость за результат	17.103	2.302
Общая стоимость	$2.053	$0.231
Цена входа	$5.000 / 1M	$5.000 / 1M
Цена выхода	$25.000 / 1M	$30.000 / 1M
Общее число входных токенов	53,227	34,212
Выходные токены	47,446	1,971
Токены рассуждений	24,000	0
Время ответа (среднее)	25.89s	1.89s
Время ответа (макс.)	83.40s	5.56s
Время ответа (суммарно)	362.49s	39.64s

Generation showcase

Hamster playing table tennis

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

#69 Claude Opus 4.6

medium

Invalid SVG

Cost: $0.000
Time: 300.0s
Tokens: 0 tok

#91 GPT-5.5

none

Cost: $0.090
Time: 54.3s
Tokens: 3,063 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	6.4	5.8	66.7%	2		7.45s	840	986	1,071
GPT-5.5	6.9	7.9	66.7%	1		1.31s	606	213	0

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	5.7	7.1	44.4%	1		30.10s	8,522	13,057	4,121
GPT-5.5	5.5	10.0	33.3%	0		1.35s	7,305	462	0

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		76.66s	20,685	8,178	5,194
GPT-5.5	3.0	10.0	0.0%	0		5.56s	11,019	300	0

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		7.37s	8,676	691	757
GPT-5.5	10.0	10.0	100.0%	0		1.18s	7,140	222	0

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	3.0	10.0	0.0%	0		83.40s	674	14,642	8,687
GPT-5.5	2.9	7.2	11.1%	1		1.31s	723	52	0

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		5.04s	564	188	292
GPT-5.5	10.0	10.0	100.0%	0		3.41s	477	124	0

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		2.43s	792	266	467
GPT-5.5	6.2	5.8	66.7%	1		1.15s	660	81	0

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	7.7	10.0	66.7%	0		4.71s	816	532	630
GPT-5.5	7.7	10.0	66.7%	0		1.29s	642	252	0

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	10.0	10.0	100.0%	0		9.73s	11,454	861	329
GPT-5.5	10.0	10.0	100.0%	0		3.90s	5,445	247	0

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.6	3.0	10.0	0.0%	0		63.24s	204	8,045	2,452
GPT-5.5	3.0	10.0	0.0%	0		5.01s	195	18	0

Быстрое сравнение

Сменить пару сравнения