导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.5

摘要

Claude Opus 4.8 (medium) vs GPT-5.5 (medium) benchmark 对比：GPT-5.5 (medium) 平均分领先，为 9.0 vs 8.8。 Claude Opus 4.8 (medium) benchmark 成本更低，为 $1.107 vs $3.679。 Claude Opus 4.8 (medium) 更快，为 9.72s vs 37.98s，通过率为 84.1% vs 87.3%。

推荐模型: Claude Opus 4.8 (medium) - 它的得分接近这里的最高分（8.8 vs 9.0），同时成本比GPT-5.5 (medium)低约 3.3 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-5.5 GPT-5.5 medium 发布日期: 2026-04-24
分数 8.8 9.0
排名 #15 #12
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% 87.3%
不稳定测试 1 3
总运行次数 63 63
每个结果成本 6.512 21.638
总成本 $1.107 $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 61,007 34,212
输出令牌 26,495 1,985
推理令牌 5,901 114,925
响应时间（平均） 9.72s 37.98s
响应时间（最大） 38.03s 332.10s
响应时间（总计） 204.19s 797.60s

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

#12 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 3.95s 834 1,179 478
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 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
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 38.03s 23,561 5,260 1,588
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 7.1 5.6 83.3% 1 12.29s 10,503 481 312
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 14.59s 975 7,477 900
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 2.46s 708 237 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 10.0 10.0 100.0% 0 3.32s 909 373 320
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 3.95s 894 791 483
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 8.96s 11,775 301 225
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 6.14s 258 451 214
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

Gemini 3.5 FlashlowvsGPT-5.5mediumClaude Opus 4.8mediumvsGPT-5.2 ChatnoneClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.8mediumvsDeepSeek V4 FlashhighClaude Opus 4.8mediumvsGPT-5.6 TerrahighClaude Opus 4.8mediumvsGPT-5.6 SollowDeepSeek V4 FlashhighvsGPT-5.5mediumClaude Opus 4.8mediumvsGLM 5.2highGemini 3.5 FlashhighvsGPT-5.5mediumGPT-5.5mediumvsGLM 5.2high