导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.7 vs OpenAI: GPT-5.4

摘要

Claude Opus 4.7 vs GPT-5.4 benchmark 对比：Claude Opus 4.7 平均分领先，为 8.7 vs 8.5。 Claude Opus 4.7 benchmark 成本更低，为 $0.679 vs $1.210。 Claude Opus 4.7 更快，为 4.73s vs 22.35s，通过率为 82.5% vs 76.2%。

推荐模型: Claude Opus 4.7 - 它在这里得分最高（8.7），同时成本比GPT-5.4低约 1.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

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 #17 #20
可靠性 10.0 10.0
一致性 9.6 8.6
测试正确
尝试通过率 82.5% 76.2%
不稳定测试 1 4
总运行次数 63 63
每个结果成本 3.991 8.640
总成本 $0.679 $1.210
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 65,406 34,108
输出令牌 11,858 2,242
推理令牌 2,198 72,707
响应时间（平均） 4.73s 22.35s
响应时间（最大） 23.18s 100.41s
响应时间（总计） 94.51s 469.29s

Generation showcase

Hamster playing table tennis

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

#17 Claude Opus 4.7

medium
Cost
$0.059
Time
26.8s
Tokens
2,475 tok

#20 GPT-5.4

medium
Cost
$0.214
Time
199.6s
Tokens
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

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 21.45s 24,501 2,369 1,084
GPT-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
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

Claude Opus 4.7mediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGPT-5.4mediumClaude Opus 4.7mediumvsDeepSeek V4 FlashhighClaude Opus 4.7mediumvsGemini 3.5 FlashlowClaude Opus 4.7mediumvsGPT-5.5lowGemini 3.5 FlashlowvsGPT-5.4mediumGPT-5.4mediumvsStep 3.7 FlashlowClaude Opus 4.7mediumvsStep 3.7 FlashlowClaude Opus 4.7mediumvsGemini 3.5 FlashhighGemini 3 Flash PreviewlowvsGPT-5.4mediumClaude Opus 4.7mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsGPT-5.4medium