Claude Haiku 5.5 vs. gpt-oss-120b: comparación de lanzamientos

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Comparación de los lanzamientos Claude Haiku 5.5 y gpt-oss-120b: 5 y 2 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 7 modelos.

En inteligencia, Claude Haiku 5.5 obtiene la puntuación más alta: Claude Haiku 5.5 (Max), con 43, frente a gpt-oss-120b (High), con 12 de gpt-oss-120b.
En velocidad de salida, gpt-oss-120b es el más rápido: gpt-oss-120b (Low), con 264 tokens/s, frente a Claude Haiku 5.5 (Max), con 240 tokens/s de Claude Haiku 5.5.
En costo por tarea, Claude Haiku 5.5 es el más económico: Claude Haiku 5.5 (Low), con $0.02, frente a gpt-oss-120b (High), con $0.11 de gpt-oss-120b.

Playground de modelos

Lanzamientos comparados


	Claude Haiku 5.5 (max)	Claude Haiku 5.5 (xhigh)	Claude Haiku 5.5 (high)	Claude Haiku 5.5 (medium)	Claude Haiku 5.5 (low)	gpt-oss-120b (high)	gpt-oss-120b (low)
Intelligence Index	43	41	38	34	29	12	10*
Finanzas y contabilidad	44	41	38	35	29	12	--
Estrategia y operaciones	40	39	37	34	28	8	--
Jurídico	42	40	38	36	31	11	--
Salud y medicina	40	35	34	32	27	11	--
Ingeniería	45	43	39	35	31	15	--
Economía	51	49	46	43	37	18	--
AA-Briefcase v1.1	1575	1524	1440	1369	1114	0	--
GDPval-AA v2.1	1628	1521	1425	1283	1131	608	171
AutomationBench-AA	35.4%	36.0%	33.7%	28.6%	22.9%	0.2%	--
Terminal-Bench 4.0	32.8%	29.3%	21.7%	15.2%	12.6%	0.0%	--
SciCode	55.0%	51.7%	48.7%	49.0%	49.2%	34.0%	--
Humanity's Last Exam	44.4%	42.7%	37.3%	33.8%	27.0%	19.6%	5.9%
GDP.pdf	20.8%	18.2%	17.2%	15.2%	11.2%	4.0%	--
CritPt	18.9%	22.6%	18.6%	12.9%	9.1%	1.1%	0.0%
AA-Omniscience	11	6	6	4	3	−49	−54
AA-LCR v1.1	82.7%	78.3%	77.3%	77.3%	72.0%	52.0%	46.0%

Costo por tareaUSD	$0.21	$0.12	$0.08	$0.05	$0.02	$0.11	--
Precio de entradaUSD/1M tokens	$0.10	$0.10	$0.10	$0.10	$0.10	$0.15	$0.125
Precio de salidaUSD/1M tokens	$0.50	$0.50	$0.50	$0.50	$0.50	$0.60	$0.595
Precio de lectura de cachéUSD/1M tokens	$0.01	$0.01	$0.01	$0.01	$0.01	$0.10	$0.125
Precio de escritura de cachéUSD/1M tokens	$0.125	$0.125	$0.125	$0.125	$0.125	--	--

Velocidad de salidaTokens/s	240	195	185	174	181	236	264
Tiempo hasta el primer tokens	332,02	69,39	25,05	11,39	8,04	0,78	0,79
Tiempo hasta el primer token de respuestas	332,02	69,39	25,05	11,39	8,04	9,27	8,37
Tiempo de respuesta de extremo a extremos	334,10	71,95	27,75	14,26	10,81	11,40	10,27
Tiempo por tareas	425,91	289,00	189,58	119,37	60,85	102,88	--

Ventana de contexto	1M	1M	1M	1M	1M	131k	131k
Creador	Anthropic	Anthropic	Anthropic	Anthropic	Anthropic	OpenAI	OpenAI
Licencia	Propietario	Propietario	Propietario	Propietario	Propietario	Abierto	Abierto
Modalidad de entrada	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto	Admite: texto
Modalidad de salida	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto
Proveedores						+12	+11

* Estimado

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Velocidad

Output tokens per second · Higher is better

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

Inteligencia

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, and AA-LCR v1.1

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Claude Haiku 5.5

Pareto line

AA-Briefcase v1.1

GDPval-AA v2.1

Costo por tarea (USD, escala logarítmica)

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Velocidad y latencia

Velocidad de salida

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Puntuaciones de capacidades

Índices de capacidades

Mide el rendimiento de los modelos en capacidades e industrias específicas

Finance & Accounting Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 6 evaluations: GDPval-AA v2.1, AA-Briefcase v1.1, AA-Omniscience, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AA-LCR v1.1, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 6 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, MLCR-AA, Humanity's Last Exam, AutomationBench-AA · Higher is better

Engineering Index

Incorporates 6 evaluations: AA-Omniscience, Humanity's Last Exam, CritPt, GDPval-AA v2.1, AA-Briefcase v1.1, Terminal-Bench 4.0 · Higher is better

Economics Index

Incorporates 5 evaluations: AA-Omniscience, Humanity's Last Exam, GDPval-AA v2.1, AA-Briefcase v1.1, AA-LCR v1.1 · Higher is better

Benchmarks

AA-PersonalityBenchNew

Índices de personalidad

Cada eje es uno de los 8 índices de personalidad: la media de las puntuaciones z de Elo de sus rasgos, convertida en un rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark

Claude Haiku 5.5 vs. gpt-oss-120b: comparación de lanzamientos

Inteligencia

Velocidad

Costo por tarea

Inteligencia

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Velocidad y latencia

Velocidad de salida

Output Speed

Model Performance Representation

Puntuaciones de capacidades

Índices de capacidades

Benchmarks

AA-PersonalityBenchNew

Índices de personalidad