AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.5

Сводка

Сравнение benchmark Claude Opus 4.8 vs GPT-5.5 (low): GPT-5.5 (low) лидирует по среднему баллу: 9.3 vs 7.2. Claude Opus 4.8 имеет более низкую стоимость benchmark: $0.539 vs $0.907. Claude Opus 4.8 быстрее: 3.48s vs 9.76s, с долей успешных попыток 61.9% vs 85.7%.

Рекомендуемая модель: GPT-5.5 (low) - У него самый высокий балл в этом сравнении (9.3) и лучший общий баланс стоимости и времени ответа среди всех 2 моделей.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-10

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24

Метрика	Claude Opus 4.8 Claude Opus 4.8 none Релиз: 2026-05-28	GPT-5.5 GPT-5.5 low Релиз: 2026-04-24
Оценка	7.2	9.3
Ранг	#70	#7
Надежность	10.0	10.0
Стабильность	9.2	10.0
Тестов верно
Доля успешных попыток	61.9%	85.7%
Нестабильные тесты	2	0
Всего запусков	63	63
Стоимость за результат	4.485	5.035
Общая стоимость	$0.539	$0.907
Цена входа	$5.000 / 1M	$5.000 / 1M
Цена выхода	$25.000 / 1M	$30.000 / 1M
Общее число входных токенов	67,104	34,209
Выходные токены	8,107	2,046
Токены рассуждений	0	22,460
Время ответа (среднее)	3.48s	9.76s
Время ответа (макс.)	17.73s	56.19s
Время ответа (суммарно)	73.00s	204.92s

Генерация showcase

Hamster playing table tennis

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

#70 Claude Opus 4.8

none

Стоимость: $0.053
Время: 22.0s
Токены: 2,253 tok

#7 GPT-5.5

low

Стоимость: $0.068
Время: 37.0s
Токены: 2,339 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
GPT-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

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	7.3	5.8	83.3%	1		1.77s	10,503	308	0
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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	7.2	44.4%	1		1.70s	975	61	0
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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		3.48s	708	230	0
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.9	10.0	100.0%	0		1.37s	909	95	0
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.7	10.0	66.7%	0		2.74s	894	783	0
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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		5.35s	11,775	355	0
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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		3.41s	258	212	0
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

Быстрое сравнение

Сменить пару сравнения