导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.2 Chat

摘要

Claude Opus 4.8 (medium) vs GPT-5.2 Chat benchmark 对比：Claude Opus 4.8 (medium) 平均分领先，为 8.8 vs 8.5。 GPT-5.2 Chat benchmark 成本更低，为 $0.393 vs $1.107。 GPT-5.2 Chat 更快，为 7.13s vs 9.72s，通过率为 84.1% vs 74.6%。

推荐模型: GPT-5.2 Chat - 它的得分接近这里的最高分（8.5 vs 8.8），同时成本比Claude Opus 4.8 (medium)低约 2.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

指标 Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28 GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11
分数 8.8 8.5
排名 #15 #22
可靠性 10.0 10.0
一致性 9.6 8.9
测试正确
尝试通过率 84.1% 74.6%
不稳定测试 1 3
总运行次数 63 63
每个结果成本 6.512 2.803
总成本 $1.107 $0.393
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 61,007 34,212
输出令牌 26,495 23,744
推理令牌 5,901 0
响应时间（平均） 9.72s 7.13s
响应时间（最大） 38.03s 38.52s
响应时间（总计） 204.19s 149.69s

生成展示

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
成本
$0.057
时间
23.1s
令牌
2,412 tok

#22 GPT-5.2 Chat

none
成本
$0.010
时间
15.3s
令牌
797 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 3.95s 834 1,179 478
GPT-5.2 Chat 8.7 7.9 91.7% 1 3.40s 606 1,807 0
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 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GPT-5.2 Chat 8.8 7.8 88.9% 1 9.82s 7,305 6,731 0
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 38.03s 23,561 5,260 1,588
GPT-5.2 Chat 10.0 10.0 100.0% 0 9.12s 11,019 1,243 0
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 7.1 5.6 83.3% 1 12.29s 10,503 481 312
GPT-5.2 Chat 10.0 10.0 100.0% 0 3.05s 7,140 980 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 14.59s 975 7,477 900
GPT-5.2 Chat 5.3 10.0 33.3% 0 17.78s 723 7,810 0
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 2.46s 708 237 0
GPT-5.2 Chat 4.4 3.0 33.3% 1 3.20s 477 335 0
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 10.0 10.0 100.0% 0 3.32s 909 373 320
GPT-5.2 Chat 9.8 10.0 100.0% 0 5.51s 660 1,441 0
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 3.95s 894 791 483
GPT-5.2 Chat 7.7 10.0 66.7% 0 4.10s 642 1,603 0
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 8.96s 11,775 301 225
GPT-5.2 Chat 10.0 10.0 100.0% 0 4.68s 5,445 555 0
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 6.14s 258 451 214
GPT-5.2 Chat 3.0 10.0 0.0% 0 6.89s 195 1,239 0

快速对比

切换对比组合

Seed-2.0-LitemediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsGLM 5mediumGPT-5.2 ChatnonevsGrok 4.5mediumGPT-5.2 ChatnonevsGLM 5.2mediumDeepSeek V4 FlashhighvsGPT-5.2 ChatnoneClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.7 PlusmediumNemotron 3 Ultra 550b A55bmedium免费可用vsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGemini 3.5 Flashlow