Anthropic: Claude Opus 4.7 vs OpenAI: GPT-5.4

Claude Opus 4.7 (medium) 平均分领先，为 8.7 vs 8.5。 Claude Opus 4.7 (medium) benchmark 成本更低，为 $1.477 vs $1.533。 Claude Opus 4.7 (medium) 更快，为 7.61s vs 23.10s，通过率为 83.3% vs 77.3%。

推荐模型Claude Opus 4.7 (medium)它在这里得分最高（8.7），同时响应速度比GPT-5.4 (medium)快约 3.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05
分数	8.7	8.5
排名	#15	#18
可靠性	10.0	10.0
一致性	9.6	8.6
测试正确
尝试通过率	83.3%	77.3%
不稳定测试	1	4
总运行次数	66	66
每个结果成本	8.201	10.220
总成本	$1.477	$1.533
输入价格	$5.000 / 1M	$2.500 / 1M
输出价格	$25.000 / 1M	$15.000 / 1M
总输入令牌	145,252	81,127
输出令牌	24,948	6,155
推理令牌	5,042	82,515
响应时间（平均）	7.61s	23.10s
响应时间（最大）	65.40s	100.41s
响应时间（总计）	159.91s	508.26s

Hamster playing table tennis

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

#15 Claude Opus 4.7

medium

成本: $0.059
时间: 26.8s
令牌: 2,475 tok

#18 GPT-5.4

medium

成本: $0.214
时间: 199.6s
令牌: 14,349 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	8.3	10.0	75.0%	0		1.85s	894	348	0
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	7.6	7.2	77.8%	1		12.96s	10,635	7,629	1,114
GPT-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		43.42s	104,347	15,459	3,928
GPT-5.4	10.0	10.0	100.0%	0		29.77s	58,038	4,214	13,351

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		2.37s	10,533	324	0
GPT-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	7.7	10.0	66.7%	0		1.17s	630	51	0
GPT-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		2.87s	723	256	0
GPT-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		1.57s	939	114	0
GPT-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		2.43s	939	370	0
GPT-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		4.17s	15,339	373	0
GPT-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	3.0	10.0	0.0%	0		2.25s	273	24	0
GPT-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821

快速对比

切换对比组合

GPT-5.4mediumvsGrok 4.5low Claude Opus 4.7mediumvsGrok 4.5high Claude Opus 4.7mediumvsGemini 3.5 Flashlow Muse Spark 1.1lowvsGPT-5.4medium Claude Opus 4.7mediumvsGrok 4.5low GPT-5.4mediumvsGrok 4.5high Gemini 3.5 FlashlowvsGPT-5.4medium Claude Opus 4.7mediumvsMuse Spark 1.1low Muse Spark 1.1highvsGPT-5.4medium GPT-5.4mediumvsInklinghigh GPT-5.4mediumvsGLM 5.2high Kimi K3maxvsGPT-5.4medium