Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.6 Terra

GPT-5.6 Terra (high) 平均分领先，为 8.0 vs 7.8。 GPT-5.6 Terra (high) benchmark 成本更低，为 $1.055 vs $2.077。 GPT-5.6 Terra (high) 更快，为 11.32s vs 12.74s，通过率为 80.3% vs 68.2%。

推荐模型GPT-5.6 Terra (high)它在这里得分最高（8.0），同时成本比Claude Opus 4.8 (low)低约 2.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	GPT-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	GPT-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09
分数	7.8	8.0
排名	#41	#34
可靠性	10.0	10.0
一致性	8.9	9.3
测试正确
尝试通过率	80.3%	68.2%
不稳定测试	3	2
总运行次数	66	66
每个结果成本	12.979	7.533
总成本	$2.077	$1.055
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	156,525	81,047
输出令牌	43,141	5,055
推理令牌	8,617	51,736
响应时间（平均）	12.74s	11.32s
响应时间（最大）	127.97s	91.49s
响应时间（总计）	280.29s	249.14s

Hamster playing table tennis

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

#41 Claude Opus 4.8

low

成本: $0.031
时间: 14.1s
令牌: 1,345 tok

#34 GPT-5.6 Terra

high

成本: $0.055
时间: 30.2s
令牌: 3,748 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

类别:

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-5.6 Terra	8.3	10.0	75.0%	0		2.54s	606	158	700

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-5.6 Terra	7.6	7.2	77.8%	1		9.14s	7,302	370	6,087

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-5.6 Terra	8.7	6.9	83.3%	1		13.72s	57,848	3,461	3,174

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-5.6 Terra	10.0	10.0	100.0%	0		938ms	7,140	222	0

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-5.6 Terra	5.3	10.0	33.3%	0		43.44s	723	70	32,942

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-5.6 Terra	5.1	10.0	0.0%	0		3.03s	477	113	216

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-5.6 Terra	10.0	10.0	100.0%	0		2.14s	660	96	319

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-5.6 Terra	7.7	10.0	66.7%	0		5.45s	642	277	2,613

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-5.6 Terra	10.0	10.0	100.0%	0		4.97s	5,454	258	168

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-5.6 Terra	3.0	10.0	0.0%	0		23.30s	195	30	5,517

快速对比

切换对比组合

Kimi K3maxvsGPT-5.6 Terrahigh GPT-5.6 TerrahighvsInklingmedium Claude Opus 4.8lowvsGLM 5medium Claude Opus 4.8lowvsGPT-5.6 Lunahigh Seed-2.0-LitemediumvsGPT-5.6 Terrahigh Claude Opus 4.8lowvsGPT-5.6 Terramedium GPT-5.6 TerrahighvsQwen3.7 Plusmedium Claude Opus 4.8lowvsGLM 5.2medium Claude Opus 4.8lowvsQwen3.6 Plusmedium Claude Opus 4.8lowvsDeepSeek V4 Flashhigh GPT-5.6 TerrahighvsStep 3.7 Flashmedium Claude Opus 4.8lowvsDeepSeek V4 Prohigh