AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.4 Mini

Сводка

Сравнение benchmark Claude Opus 4.8 vs GPT-5.4 Mini: GPT-5.4 Mini лидирует по среднему баллу: 8.0 vs 7.7. GPT-5.4 Mini имеет более низкую стоимость benchmark: $0.526 vs $1.270. Claude Opus 4.8 быстрее: 10.83s vs 22.34s, с долей успешных попыток 79.4% vs 73.0%.

Рекомендуемая модель: GPT-5.4 Mini - Здесь у него лучший балл (8.0), при этом он примерно в 2.4 раза дешевле, чем Claude Opus 4.8.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-30

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	GPT-5.4 Mini GPT-5.4 Mini medium Релиз: 2026-03-17

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	GPT-5.4 Mini GPT-5.4 Mini medium Релиз: 2026-03-17
Оценка	7.7	8.0
Ранг	#38	#27
Надежность	10.0	10.0
Стабильность	8.8	8.0
Тестов верно
Доля успешных попыток	79.4%	73.0%
Нестабильные тесты	3	5
Всего запусков	63	63
Стоимость за результат	8.466	4.381
Общая стоимость	$1.270	$0.526
Цена входа	$5.000 / 1M	$0.750 / 1M
Цена выхода	$25.000 / 1M	$4.500 / 1M
Общее число входных токенов	60,946	34,116
Выходные токены	31,771	2,181
Токены рассуждений	6,831	108,937
Время ответа (среднее)	10.83s	22.34s
Время ответа (макс.)	127.97s	138.75s
Время ответа (суммарно)	227.39s	469.20s

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

#27 GPT-5.4 Mini

medium

Стоимость: $0.056
Время: 95.5s
Токены: 12,464 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-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876

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-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902

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-5.4 Mini	10.0	10.0	100.0%	0		17.81s	11,019	317	4,317

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-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650

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-5.4 Mini	4.1	4.4	44.5%	2		65.31s	619	60	43,286

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-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510

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-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185

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-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443

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-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594

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-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174

Быстрое сравнение

Сменить пару сравнения