AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.2

Сводка

Сравнение benchmark Claude Opus 4.8 vs GPT-5.2: GPT-5.2 лидирует по среднему баллу: 8.4 vs 7.7. GPT-5.2 имеет более низкую стоимость benchmark: $0.548 vs $1.270. Claude Opus 4.8 быстрее: 10.83s vs 16.88s, с долей успешных попыток 79.4% vs 71.4%.

Рекомендуемая модель: GPT-5.2 - Здесь у него лучший балл (8.4), при этом он примерно в 2.3 раза дешевле, чем Claude Opus 4.8.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-02

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	GPT-5.2 GPT-5.2 medium Релиз: 2025-12-11

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	GPT-5.2 GPT-5.2 medium Релиз: 2025-12-11
Оценка	7.7	8.4
Ранг	#38	#22
Надежность	10.0	10.0
Стабильность	8.8	8.4
Тестов верно
Доля успешных попыток	79.4%	71.4%
Нестабильные тесты	3	4
Всего запусков	63	63
Стоимость за результат	8.466	4.209
Общая стоимость	$1.270	$0.548
Цена входа	$5.000 / 1M	$1.750 / 1M
Цена выхода	$25.000 / 1M	$14.000 / 1M
Общее число входных токенов	60,946	33,967
Выходные токены	31,771	2,901
Токены рассуждений	6,831	31,932
Время ответа (среднее)	10.83s	16.88s
Время ответа (макс.)	127.97s	77.80s
Время ответа (суммарно)	227.39s	236.34s

Генерация showcase

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

Стоимость: $0.031
Время: 14.1s
Токены: 1,345 tok

#22 GPT-5.2

medium

Стоимость: $0.047
Время: 49.2s
Токены: 3,396 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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
GPT-5.2	6.5	8.0	58.3%	1		7.81s	606	567	2,002

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
GPT-5.2	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
GPT-5.2	10.0	10.0	100.0%	0		14.06s	11,019	291	1,757

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
GPT-5.2	10.0	10.0	100.0%	0		3.15s	7,140	234	420

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
GPT-5.2	5.9	7.2	55.6%	1		77.80s	473	42	10,342

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
GPT-5.2	3.7	9.7	0.0%	0		4.32s	477	162	269

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
GPT-5.2	9.9	10.0	100.0%	0		3.12s	660	94	614

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
GPT-5.2	7.5	7.3	77.8%	1		5.80s	642	735	924

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
GPT-5.2	4.7	1.6	66.7%	1		10.30s	5,453	239	469

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
GPT-5.2	3.0	10.0	0.0%	0		28.18s	195	26	3,223

Быстрое сравнение

Сменить пару сравнения