AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.4 Nano

摘要

Claude Opus 4.8 vs GPT-5.4 Nano (medium) benchmark 对比：GPT-5.4 Nano (medium) 平均分领先，为 7.5 vs 7.2。 GPT-5.4 Nano (medium) benchmark 成本更低，为 $0.107 vs $0.539。 Claude Opus 4.8 更快，为 3.48s vs 11.95s，通过率为 61.9% vs 63.5%。

推荐模型: GPT-5.4 Nano (medium) - 它在这里得分最高（7.5），同时成本比Claude Opus 4.8低约 5.1 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 none 发布日期: 2026-05-28	GPT-5.4 Nano GPT-5.4 Nano medium 发布日期: 2026-03-17

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	GPT-5.4 Nano GPT-5.4 Nano medium 发布日期: 2026-03-17
分数	7.2	7.5
排名	#70	#59
可靠性	10.0	10.0
一致性	9.2	8.4
测试正确
尝试通过率	61.9%	63.5%
不稳定测试	2	4
总运行次数	63	63
每个结果成本	4.485	0.969
总成本	$0.539	$0.107
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	67,104	35,434
输出令牌	8,107	3,014
推理令牌	0	76,520
响应时间（平均）	3.48s	11.95s
响应时间（最大）	17.73s	94.06s
响应时间（总计）	73.00s	250.98s

生成展示

Hamster playing table tennis

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

#70 Claude Opus 4.8

none

成本: $0.053
时间: 22.0s
令牌: 2,253 tok

#59 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
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	9.5	10.0	100.0%	0		17.73s	29,658	3,259	0
GPT-5.4 Nano	9.8	10.0	100.0%	0		24.13s	12,345	349	5,719

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	7.3	5.8	83.3%	1		1.77s	10,503	308	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	7.2	44.4%	1		1.70s	975	61	0
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		3.48s	708	230	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	9.9	10.0	100.0%	0		1.37s	909	95	0
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	7.7	10.0	66.7%	0		2.74s	894	783	0
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		5.35s	11,775	355	0
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		3.41s	258	212	0
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