AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.5

摘要

Claude Opus 4.8 vs GPT-5.5 benchmark 对比：GPT-5.5 平均分领先，为 9.0 vs 7.7。 Claude Opus 4.8 benchmark 成本更低，为 $1.270 vs $3.679。 Claude Opus 4.8 更快，为 10.83s vs 37.98s，通过率为 79.4% vs 87.3%。

推荐模型: Claude Opus 4.8 - 它提供了最佳整体取舍：得分有竞争力（7.7），成本低于GPT-5.5，响应时间也较均衡。

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-5.5 GPT-5.5 medium 发布日期: 2026-04-24

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24
分数	7.7	9.0
排名	#38	#9
可靠性	10.0	10.0
一致性	8.8	8.9
测试正确
尝试通过率	79.4%	87.3%
不稳定测试	3	3
总运行次数	63	63
每个结果成本	8.466	21.638
总成本	$1.270	$3.679
输入价格	$5.000 / 1M	$5.000 / 1M
输出价格	$25.000 / 1M	$30.000 / 1M
总输入令牌	60,946	34,212
输出令牌	31,771	1,985
推理令牌	6,831	114,925
响应时间（平均）	10.83s	37.98s
响应时间（最大）	127.97s	332.10s
响应时间（总计）	227.39s	797.60s

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

#9 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 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-5.5	10.0	10.0	100.0%	0		4.66s	606	250	1,335

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-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959

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-5.5	10.0	10.0	100.0%	0		19.29s	11,019	312	2,841

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-5.5	10.0	10.0	100.0%	0		4.18s	7,140	234	593

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-5.5	5.3	7.2	44.4%	1		164.14s	723	67	79,625

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-5.5	10.0	10.0	100.0%	0		4.16s	477	138	223

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-5.5	10.0	10.0	100.0%	0		3.36s	660	93	538

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-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225

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-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832

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-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754

快速对比

切换对比组合