AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.2

摘要

Claude Opus 4.8 vs GPT-5.2 benchmark 对比：GPT-5.2 平均分领先，为 8.4 vs 7.7。 GPT-5.2 benchmark 成本更低，为 $0.548 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 16.88s，通过率为 79.4% vs 71.4%。

推荐模型: GPT-5.2 - 它在这里得分最高（8.4），同时成本比Claude Opus 4.8低约 2.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11
分数	7.7	8.4
排名	#38	#22
可靠性	10.0	10.0
一致性	8.8	8.4
测试正确
尝试通过率	79.4%	71.4%
不稳定测试	3	4
总运行次数	63	63
每个结果成本	8.466	4.209
总成本	$1.270	$0.548
输入价格	$5.000 / 1M	$1.750 / 1M
输出价格	$25.000 / 1M	$14.000 / 1M
总输入令牌	60,946	33,967
输出令牌	31,771	2,901
推理令牌	6,831	31,932
响应时间（平均）	10.83s	16.88s
响应时间（最大）	127.97s	77.80s
响应时间（总计）	227.39s	236.34s

生成展示

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

成本: $0.031
时间: 14.1s
令牌: 1,345 tok

#22 GPT-5.2

medium

成本: $0.047
时间: 49.2s
令牌: 3,396 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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
GPT-5.2	6.5	8.0	58.3%	1		7.81s	606	567	2,002

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 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
GPT-5.2	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912

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 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
GPT-5.2	10.0	10.0	100.0%	0		14.06s	11,019	291	1,757

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 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
GPT-5.2	10.0	10.0	100.0%	0		3.15s	7,140	234	420

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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
GPT-5.2	5.9	7.2	55.6%	1		77.80s	473	42	10,342

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 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
GPT-5.2	3.7	9.7	0.0%	0		4.32s	477	162	269

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 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
GPT-5.2	9.9	10.0	100.0%	0		3.12s	660	94	614

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 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
GPT-5.2	7.5	7.3	77.8%	1		5.80s	642	735	924

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 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
GPT-5.2	4.7	1.6	66.7%	1		10.30s	5,453	239	469

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 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
GPT-5.2	3.0	10.0	0.0%	0		28.18s	195	26	3,223

快速对比

切换对比组合