AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.4 Mini

摘要

Claude Opus 4.8 vs GPT-5.4 Mini benchmark 对比：GPT-5.4 Mini 平均分领先，为 8.0 vs 7.7。 GPT-5.4 Mini benchmark 成本更低，为 $0.526 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 22.34s，通过率为 79.4% vs 73.0%。

推荐模型: GPT-5.4 Mini - 它在这里得分最高（8.0），同时成本比Claude Opus 4.8低约 2.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17
分数	7.7	8.0
排名	#38	#27
可靠性	10.0	10.0
一致性	8.8	8.0
测试正确
尝试通过率	79.4%	73.0%
不稳定测试	3	5
总运行次数	63	63
每个结果成本	8.466	4.381
总成本	$1.270	$0.526
输入价格	$5.000 / 1M	$0.750 / 1M
输出价格	$25.000 / 1M	$4.500 / 1M
总输入令牌	60,946	34,116
输出令牌	31,771	2,181
推理令牌	6,831	108,937
响应时间（平均）	10.83s	22.34s
响应时间（最大）	127.97s	138.75s
响应时间（总计）	227.39s	469.20s

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

#27 GPT-5.4 Mini

medium

成本: $0.056
时间: 95.5s
令牌: 12,464 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-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876

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-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902

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-5.4 Mini	10.0	10.0	100.0%	0		17.81s	11,019	317	4,317

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-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650

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-5.4 Mini	4.1	4.4	44.5%	2		65.31s	619	60	43,286

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-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510

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-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185

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-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443

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-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594

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-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174

快速对比

切换对比组合