#39 Claude Opus 4.8
low- 成本
- $0.031
- 时间
- 14.1s
- 令牌
- 1,345 tok
Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.4 Nano
Claude Opus 4.8 (low) 平均分领先，为 7.8 vs 7.5。 GPT-5.4 Nano (medium) benchmark 成本更低，为 $0.138 vs $2.077。 Claude Opus 4.8 (low) 更快，为 12.74s vs 13.24s，通过率为 80.3% vs 65.2%。
推荐模型GPT-5.4 Nano (medium)它的得分接近这里的最高分（7.5 vs 7.8），同时成本比Claude Opus 4.8 (low)低约 15.1 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | Claude Opus 4.8 Claude Opus 4.8 low | GPT-5.4 Nano GPT-5.4 Nano medium |
|---|---|---|
| 分数 | 7.8 | 7.5 |
| 排名 | #39 | #51 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 80.3% | 65.2% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 12.979 | 1.150 |
| 总成本 | $2.077 | $0.138 |
| 输入价格 | $5.000 / 1M | $0.200 / 1M |
| 输出价格 | $25.000 / 1M | $1.250 / 1M |
| 总输入令牌 | 156,525 | 82,819 |
| 输出令牌 | 43,141 | 7,100 |
| 推理令牌 | 8,617 | 90,022 |
| 响应时间（平均） | 12.74s | 13.24s |
| 响应时间（最大） | 127.97s | 94.06s |
| 响应时间（总计） | 280.29s | 291.33s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#51 GPT-5.4 Nano
medium- 成本
- $0.007
- 时间
- 24.6s
- 令牌
- 4,943 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 Nano | 8.3 | 10.0 | 75.0% | 0 | 4.52s | 606 | 683 | 2,254 |
| 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 Nano | 6.1 | 4.7 | 66.7% | 2 | 19.12s | 7,305 | 516 | 20,778 |
| 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 | 9.9 | 10.0 | 100.0% | 0 | 36.87s | 119,079 | 13,586 | 2,867 | |
| GPT-5.4 Nano | 9.9 | 10.0 | 100.0% | 0 | 32.24s | 59,730 | 4,435 | 19,221 |
| 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 Nano | 10.0 | 10.0 | 100.0% | 0 | 2.54s | 7,140 | 234 | 516 |
| 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 Nano | 5.9 | 7.2 | 55.6% | 1 | 38.18s | 619 | 60 | 43,325 |
| 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 Nano | 4.5 | 10.0 | 0.0% | 0 | 4.15s | 477 | 179 | 443 |
| 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 Nano | 9.8 | 10.0 | 100.0% | 0 | 1.88s | 660 | 95 | 521 |
| 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 Nano | 4.1 | 7.2 | 22.2% | 1 | 3.79s | 642 | 594 | 1,408 |
| 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 Nano | 10.0 | 10.0 | 100.0% | 0 | 7.71s | 5,445 | 234 | 382 |
| 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 Nano | 3.0 | 10.0 | 0.0% | 0 | 4.81s | 195 | 70 | 1,174 |
快速对比
切换对比组合
Claude Opus 4.8lowvsGLM 5mediumClaude Opus 4.8lowvsGPT-5.6 LunahighClaude Opus 4.8lowvsGPT-5.6 TerramediumGPT-5.4 NanomediumvsQwen3.7 MaxnoneClaude Opus 4.8lowvsGLM 5.2mediumClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsDeepSeek V4 FlashhighClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsQwen3.7 PlusmediumClaude Opus 4.8lowvsSeed-2.0-LitemediumDeepSeek V4 ProhighvsGPT-5.4 NanomediumClaude Opus 4.8lowvsMiniMax M3medium