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 vs GPT-5.5 benchmark 对比：GPT-5.5 平均分领先，为 9.0 vs 7.2。 Claude Opus 4.8 benchmark 成本更低，为 $0.539 vs $3.679。 Claude Opus 4.8 更快，为 3.47s vs 37.98s，通过率为 61.9% 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（7.2），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：: 2026-06-18

指标 Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28 GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24
分数 7.2 9.0
排名 #57 #9
可靠性 10.0 10.0
一致性 9.2 8.9
测试正确
尝试通过率 61.9% 87.3%
不稳定测试 2 3
总运行次数 63 63
每个结果成本 4.485 21.638
总成本 $0.539 $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 67,104 34,212
输出令牌 8,107 1,985
推理令牌 0 114,925
响应时间（平均） 3.47s 37.98s
响应时间（最大） 17.73s 332.10s
响应时间（总计） 72.90s 797.60s

生成展示

Hamster playing table tennis

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

#57 Claude Opus 4.8

none
成本
$0.053
时间
22.0s
令牌
2,253 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 6.5 10.0 50.0% 0 3.40s 834 1,472 0
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 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
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 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
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 7.3 5.8 83.3% 1 1.77s 10,503 308 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 7.2 44.4% 1 1.66s 975 61 0
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 3.48s 708 230 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 9.9 10.0 100.0% 0 1.37s 909 95 0
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 7.7 10.0 66.7% 0 2.74s 894 783 0
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 5.35s 11,775 355 0
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 3.41s 258 212 0
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

Claude Opus 4.8nonevsGemma 4 26B A4Bmedium免费可用Claude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Opus 4.8nonevsGLM 5.1mediumClaude Opus 4.8nonevsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsMiMo-V2.5-PromediumClaude Opus 4.8nonevsSeed-2.0-MinimediumClaude Opus 4.8nonevsKimi K2.7 CodemediumClaude Opus 4.8nonevsDeepSeek V3.2mediumClaude Opus 4.8nonevsQwen3.6 FlashmediumGemini 3.5 FlashlowvsGPT-5.5mediumClaude Opus 4.8nonevsGPT-5.4 Nanomedium