AI BENCHY 对比

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

摘要

Claude Opus 4.8 vs GPT-5.6 Terra (medium) benchmark 对比：GPT-5.6 Terra (medium) 平均分领先，为 7.8 vs 7.2。 GPT-5.6 Terra (medium) benchmark 成本更低，为 $0.496 vs $0.539。 Claude Opus 4.8 更快，为 3.48s vs 6.69s，通过率为 61.9% vs 68.3%。

推荐模型: GPT-5.6 Terra (medium) - 它在本次比较中得分最高（7.8），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09
分数	7.2	7.8
排名	#69	#37
可靠性	10.0	10.0
一致性	9.2	9.2
测试正确
尝试通过率	61.9%	68.3%
不稳定测试	2	2
总运行次数	63	63
每个结果成本	4.485	3.815
总成本	$0.539	$0.496
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	67,104	34,218
输出令牌	8,107	1,982
推理令牌	0	25,370
响应时间（平均）	3.48s	6.69s
响应时间（最大）	17.73s	41.68s
响应时间（总计）	73.00s	140.49s

生成展示

Hamster playing table tennis

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

#69 Claude Opus 4.8

none

成本: $0.053
时间: 22.0s
令牌: 2,253 tok

#37 GPT-5.6 Terra

medium

成本: $0.035
时间: 16.3s
令牌: 2,418 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-5.6 Terra	8.3	10.0	75.0%	0		2.22s	606	172	657

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-5.6 Terra	6.1	7.2	55.6%	1		7.19s	7,302	427	4,527

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-5.6 Terra	10.0	10.0	100.0%	0		6.26s	11,019	316	540

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-5.6 Terra	10.0	10.0	100.0%	0		872ms	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	7.2	44.4%	1		1.70s	975	61	0
GPT-5.6 Terra	5.3	10.0	33.3%	0		23.45s	723	70	15,327

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-5.6 Terra	5.5	10.0	0.0%	0		2.37s	477	133	144

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-5.6 Terra	10.0	10.0	100.0%	0		1.43s	660	89	261

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-5.6 Terra	8.4	7.4	88.9%	1		3.78s	642	272	1,462

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-5.6 Terra	10.0	10.0	100.0%	0		5.09s	5,454	254	246

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-5.6 Terra	3.0	10.0	0.0%	0		10.05s	195	27	2,206

快速对比

切换对比组合