AI BENCHY Compare

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

Сводка

Сравнение benchmark Claude Opus 4.8 (low) vs GPT-5.6 Sol (medium): GPT-5.6 Sol (medium) лидирует по среднему баллу: 9.4 vs 7.7. GPT-5.6 Sol (medium) имеет более низкую стоимость benchmark: $0.966 vs $1.270. GPT-5.6 Sol (medium) быстрее: 10.79s vs 10.83s, с долей успешных попыток 79.4% vs 90.5%.

Рекомендуемая модель: GPT-5.6 Sol (medium) - У него самый высокий балл в этом сравнении (9.4) и лучший общий баланс стоимости и времени ответа среди всех 2 моделей.

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 Sol GPT-5.6 Sol medium Релиз: 2026-07-09

Метрика	Claude Opus 4.8 Claude Opus 4.8 low Релиз: 2026-05-28	GPT-5.6 Sol GPT-5.6 Sol medium Релиз: 2026-07-09
Оценка	7.7	9.4
Ранг	#45	#5
Надежность	10.0	10.0
Стабильность	8.8	8.8
Тестов верно
Доля успешных попыток	79.4%	90.5%
Нестабильные тесты	3	3
Всего запусков	63	63
Стоимость за результат	8.466	5.682
Общая стоимость	$1.270	$0.966
Цена входа	$5.000 / 1M	$5.000 / 1M
Цена выхода	$25.000 / 1M	$30.000 / 1M
Общее число входных токенов	60,946	34,218
Выходные токены	31,771	1,895
Токены рассуждений	6,831	24,600
Время ответа (среднее)	10.83s	10.79s
Время ответа (макс.)	127.97s	79.40s
Время ответа (суммарно)	227.39s	226.57s

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

#5 GPT-5.6 Sol

medium

Стоимость: $0.124
Время: 57.2s
Токены: 4,199 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 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572

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 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706

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 Sol	10.0	10.0	100.0%	0		12.13s	11,019	318	1,214

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 Sol	10.0	10.0	100.0%	0		1.38s	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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
GPT-5.6 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201

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 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214

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 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249

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 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566

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 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361

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 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517

Быстрое сравнение

Сменить пару сравнения