AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.6 Luna

Сводка

Сравнение benchmark Claude Opus 4.8 (low) vs GPT-5.6 Luna (medium): Claude Opus 4.8 (low) лидирует по среднему баллу: 7.7 vs 7.6. GPT-5.6 Luna (medium) имеет более низкую стоимость benchmark: $0.258 vs $1.270. GPT-5.6 Luna (medium) быстрее: 6.70s vs 10.83s, с долей успешных попыток 79.4% vs 63.5%.

Рекомендуемая модель: GPT-5.6 Luna (medium) - Его балл близок к лучшему здесь (7.6 против 7.7), при этом он примерно в 4.9 раза дешевле, чем Claude Opus 4.8 (low).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-09

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	GPT-5.6 Luna GPT-5.6 Luna medium Релиз: 2026-07-09

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	GPT-5.6 Luna GPT-5.6 Luna medium Релиз: 2026-07-09
Оценка	7.7	7.6
Ранг	#45	#54
Надежность	10.0	10.0
Стабильность	8.8	9.6
Тестов верно
Доля успешных попыток	79.4%	63.5%
Нестабильные тесты	3	1
Всего запусков	63	63
Стоимость за результат	8.466	1.978
Общая стоимость	$1.270	$0.258
Цена входа	$5.000 / 1M	$1.000 / 1M
Цена выхода	$25.000 / 1M	$6.000 / 1M
Общее число входных токенов	60,946	35,699
Выходные токены	31,771	2,148
Токены рассуждений	6,831	34,740
Время ответа (среднее)	10.83s	6.70s
Время ответа (макс.)	127.97s	29.85s
Время ответа (суммарно)	227.39s	140.62s

Генерация showcase

Hamster playing table tennis

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

#45 Claude Opus 4.8

low

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

#54 GPT-5.6 Luna

medium

Стоимость: $0.014
Время: 14.6s
Токены: 2,362 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-5.6 Luna	8.3	10.0	75.0%	0		2.52s	606	160	987

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-5.6 Luna	5.4	7.2	44.4%	1		10.38s	7,302	564	9,928

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-5.6 Luna	10.0	10.0	100.0%	0		9.53s	12,500	375	1,354

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-5.6 Luna	10.0	10.0	100.0%	0		1.95s	7,140	234	324

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-5.6 Luna	5.3	10.0	33.3%	0		17.37s	723	68	16,531

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-5.6 Luna	5.1	10.0	0.0%	0		4.34s	477	112	496

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-5.6 Luna	9.9	10.0	100.0%	0		2.38s	660	95	393

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-5.6 Luna	7.8	10.0	66.7%	0		4.04s	642	255	2,104

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-5.6 Luna	10.0	10.0	100.0%	0		6.02s	5,454	256	244

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-5.6 Luna	3.0	10.0	0.0%	0		6.64s	195	29	2,379

Быстрое сравнение

Сменить пару сравнения