BenchLeader

Claude Haiku 5.5 vs Claude Opus 5

完整资料:Claude Haiku 5.5(Anthropic)和 Claude Opus 5(Anthropic),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,质量上 Claude Opus 5 领先 Claude Haiku 5.5(BenchLeader Index 65.0 比 56.7)。不过,Claude Haiku 5.5 更便宜,对方的价格是它的 50 倍(每百万 token 混合价格 $0.200 比 $10.00)。在两者都有成绩的所有类别中,Claude Opus 5 均领先。Claude Haiku 5.5 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Claude Haiku 5.5 的 BenchLeader Index 为 56.7,Claude Opus 5 为 65.0(BenchLeader,2026年11月16日)。
  • Claude Haiku 5.5 每百万 token 混合价格为 $0.200(标价,2026年11月16日)。
  • Claude Opus 5 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Claude Haiku 5.5 比 Claude Opus 5 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 32 项基准测试中,Claude Opus 5 领先 28 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Claude Opus 5类别得分 67 比 59;FrontierCode 2.0 (AA) 31.1% 比 29.9%高
数学Claude Opus 5类别得分 70 比 66;OTIS Mock AIME 98.9% 比 98.9%中
推理Claude Opus 5类别得分 66 比 57;HLE-Diamond (AA) 44.8% 比 28.8%高
知识Claude Opus 5类别得分 65 比 49;AA-Omniscience v1.1 37.6 比 7.8高
长文档均可类别得分 64 比 64;AA-LCR v1.1 78.3% 比 79.3%均可
对话质量(人类偏好)–只有 Claude Opus 5 有 Arena 评分(类别得分 68)无法比较
成本最低Claude Haiku 5.5每百万 token 混合价格 $0.200 比 $10.00;智能体编程会话 $0.008 比 $0.400–
首次回答最快均可首个回答 token 50.5 秒(Claude Haiku 5.5 (xhigh))比 48.5 秒(Claude Opus 5 (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 Claude Opus 5 (max) 领先:65.0 比 56.7。
  • Claude Opus 5 (max) 在编程、知识、长上下文、数学、推理方面更强。
  • Claude Haiku 5.5 (xhigh) 更便宜,对方的价格是它的 50 倍(每百万 token 混合价格 $0.200 比 $10.00)。
  • Claude Haiku 5.5 (xhigh) 的输出速度是对方的 2.9 倍(231 比 80 token/秒)。

概览

规格Claude Haiku 5.5Claude Opus 5
提供商AnthropicAnthropic
发布日期2026年10月7日2026年7月24日
上下文窗口(token)1,000,0001,000,000
对比时的配置Claude Haiku 5.5 (xhigh)Claude Opus 5 (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.100 / $0.500 / $0.010$5.00 / $25.00 / $0.500

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Haiku 5.5 (xhigh)Claude Opus 5 (max)领先者
推理57.366.1Claude Opus 5
编程58.767.0Claude Opus 5
智能体与工具–63.8无法比较
数学66.169.8Claude Opus 5
知识49.065.2Claude Opus 5
人类偏好–68.1无法比较
多模态–67.2无法比较
长上下文63.864.3持平

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学知识长上下文Claude Haiku 5.5, 推理: 57.3Claude Haiku 5.5, 编程: 58.7Claude Haiku 5.5, 数学: 66.1Claude Haiku 5.5, 知识: 49.0Claude Haiku 5.5, 长上下文: 63.8Claude Opus 5, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 数学: 69.8Claude Opus 5, 知识: 65.2Claude Opus 5, 长上下文: 64.3

未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 32 项基准测试中,Claude Haiku 5.5 领先 3 项,Claude Opus 5 领先 28 项,1 项持平。所有同时评测两者的综合评分都认为 Claude Opus 5 更强。

综合 IndexClaude Haiku 5.5 (xhigh)Claude Opus 5 (max)领先者
BenchLeader Index56.765.0Claude Opus 5
AA Intelligence Index v5.0.134.644.2Claude Opus 5
Arena Text1421†1489Claude Opus 5

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Haiku 5.5 (xhigh)Claude Opus 5 (max)
每百万 token 混合价格$0.200$10.00
每百万 token 输入 / 输出$0.100 / $0.500$5.00 / $25.00
每百万 token 缓存输入$0.010$0.500
每项任务价格:聊天回复$0.0002$0.0095
每项任务价格:总结一份 30 页的报告$0.0015$0.075
每项任务价格:代码编辑$0.0014$0.068
每项任务价格:智能体编程会话$0.0080$0.400
每项任务价格:结构化信息提取$0.0003$0.015
智能体编程会话(输入大多命中缓存)$0.0040$0.198
每项基准测试任务成本(AA Index)$0.248$11.82
每项任务输出 token(AA Index)136k118k
其中推理部分97k73k
每项任务耗时(AA Index)10 min25 min
输出速度231 tok/s80 tok/s
首次回答时间50.5 秒48.5 秒
完整回答耗时(最近一次测量 2026年11月13日)110.1 秒191.6 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Haiku 5.5 (xhigh) 上花费 $0.248,在 Claude Opus 5 (max) 上花费 $11.82;完成同样的工作,Claude Haiku 5.5 (xhigh) 输出的 token 是对方的 1.2 倍。

每个模型都按其排名最高的推理强度设置进行对比。Claude Haiku 5.5 (xhigh) 得分 56.7,首个回答 token 需 50 秒;Claude Haiku 5.5 (high) 为 55.3(18 秒),Claude Haiku 5.5 (max) 为 55.3(185 秒)。Claude Opus 5 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(2 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 180 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Haiku 5.5 (xhigh)Claude Opus 5 (max)
BenchLeader IndexBenchLeader56.765.0
编程得分BenchLeader58.767.0
知识得分BenchLeader49.065.2
长上下文得分BenchLeader63.864.3
数学得分BenchLeader66.169.8
推理得分BenchLeader57.366.1
智能体与工具得分BenchLeader–63.8
人类偏好得分BenchLeader–68.1
多模态得分BenchLeader–67.2
混合价格(美元/百万 token)BenchLeader$0.200$10.00
输出速度BenchLeader231 tok/s80 tok/s
首次回答时间BenchLeader50.5 秒48.5 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub89.7%†93.9%
Humanity's Last ExamScale AI / CAIS30.1%†–
SimpleBenchSimpleBench–80.6%†
Arena Hard PromptsArena (LMArena)1449†1513
LiveBench 2.0 ReasoningLiveBench82.4%†–
LiveBench 1.0 ReasoningLiveBench81.2%91.2%
GPQA Diamond (AA)Artificial Analysis–93.2%
Humanity's Last Exam (AA)Artificial Analysis42.7%54.9%
HLE-Diamond (AA)Artificial Analysis28.8%44.8%
GPQA Diamond (Vals)Vals AI–93.4%†
ARC-AGI-1ARC Prize87.5%97.5%
ARC-AGI-2ARC Prize61.3%90.4%
ARC-AGI-3ARC Prize2.8%†30.2%†
CritPtArtificial Analysis22.6%29.1%
CritPt v2 hard subset (AA)Artificial Analysis47.5%50.0%
MysteryMechanismVals AI35.1%†37.4%
HLE-Diamond (Scale)Scale AI SEAL–38.6%†
Arena ExpertArena (LMArena)1465†1530
Chess PuzzlesEpoch AI Benchmarking Hub55.0%†43.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%†59.0%
LMCAEpoch AI Benchmarking Hub48.0%63.3%
DTBenchEpoch AI Benchmarking Hub87.2%97.6%
ForecastBenchForecastBench–66.6%
BTF-3Epoch AI Benchmarking Hub–12.0%†
编程
SciCodeSciCode51.7%56.4%
显示全部 180 项基准测试
指标发布方Claude Haiku 5.5 (xhigh)Claude Opus 5 (max)
编程
WeirdMLWeirdML–91.8%
FrontierCodeCognition46.4%†53.4%
Arena CodingArena (LMArena)1489†1528
Arena WebDevArena (LMArena)1593†1691
LiveBench 2.0 CodingLiveBench77.6%†–
LiveBench 1.0 CodingLiveBench76.4%81.5%
LiveCodeBenchVals AI–89.0%
IOIVals AI47.3%†84.3%
SWE-bench (Vals)Vals AI–97.0%†
Code MigrationVals AI44.6%†57.5%
Code Migration v1.1Vals AI52.4%†–
ProgramBenchVals AI2.5%†3.0%
SWE-bench MultimodalVals AI44.0%†–
Vibe Code Bench 1-100Vals AI20.4%†28.5%
Vibe Code Bench v1.1Vals AI90.4%†88.4%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL–63.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–62.2%†
SWE Atlas v1.1Scale AI SEAL59.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL62.1%†–
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†–
SWE Atlas v1.1: RefactoringScale AI SEAL52.9%†–
SWE-Bench Pro V2Scale AI SEAL87.2%†99.4%†
SWE-Bench Pro V2 HARDScale AI SEAL52.9%†98.0%†
MirrorCodeEpoch AI Benchmarking Hub78.9%†87.8%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.7%
CursorBenchCursor44.3%46.6%
ALE-BenchEpoch AI Benchmarking Hub1587†2164.6†
FrontierSWEEpoch AI Benchmarking Hub43.8%†52.0%
WeirdML v3WeirdML11.7%19.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis29.3%49.0%
Terminal-Bench 2.1 (AA)Artificial Analysis–89.1%
Startrise FrontendStartrise–82.3%†
GameBench 2 OverallDuelLab GameBench 256.0†76.5†
GameBench 2 by reasoning settingDuelLab GameBench 275.184.8†
Design Arena WebsiteDesign Arena1253†1304†
FrontierCode 1.1 (AA)Artificial Analysis45.5%–
FrontierCode 2.0 (AA)Artificial Analysis29.9%31.1%
智能体与工具
Terminal-BenchTerminal-Bench40.0%†52.1%
OSWorld-Verified 2.0OSWorld–31.4%
APEX-AgentsMercor56.1%†65.8%
Arena AgentArena (LMArena)0.5†7.2
LiveBench Long AgenticLiveBench47.9%†–
LiveBench BrowserLiveBench69.5%†–
LiveBench Agentic CodingLiveBench51.4%65.2%
Terminal-Bench 2.1 (Vals)Vals AI–84.6%†
MCP AtlasScale AI SEAL–85.8%†
HiL-BenchScale AI SEAL–57.0%†
τ³-bench Bankingτ²-bench–48.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis50.7%–
GDPval-AA v2.1Artificial Analysis15231729
τ³-Banking (AA)Artificial Analysis–42.1%
Analyst Agent (AA)Artificial Analysis53.8%†53.8%
CUA-benchVals AI–9.0%
CyberBenchVals AI75.5%†65.4%
Finance Agent v2Vals AI54.1%†58.6%
Finance Agent v2.1Vals AI65.4%†–
Harvey's Legal Agent Benchmark v1.1Vals AI4.2%†–
Harvey's Legal Agent Benchmark v1Vals AI1.3%†6.7%
Legal Research BenchVals AI43.8%†55.3%
SkillsBenchVals AI–60.4%
SREBenchVals AI5.7%†12.2%
Tax Agent BenchVals AI31.9%†47.1%
Terminal-Bench 4.0 (Vals)Vals AI36.4%†53.5%
Terminal-Bench ScienceVals AI10.0%†27.1%
Time Horizon Index: KSPVals AI–18.8%
Arena SearchArena (LMArena)–1213†
Arena Agent Task CompletionArena (LMArena)1.6†10.2
BALROGBALROG–63.4%
PostTrainBenchEpoch AI Benchmarking Hub–35.7%†
GBAEvalEpoch AI Benchmarking Hub–79.6%†
Vending-Bench 2Andon Labs3602.5†11181.9†
AutomationBenchArtificial Analysis36.0%56.6%
GDP.pdf (AA)Artificial Analysis18.2%21.6%
Harvey LAB-AA v1.1Harvey2.8%–
EnterpriseOps-GymArtificial Analysis–47.5%
AA-Briefcase v1.1Artificial Analysis15231654
GDPxGDPx by SemiAnalysis4.9%†–
Design Arena AgenticDesign Arena–1270†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis18.1%28.6%
DeepSec-Bench (AA)Artificial Analysis–25.9%
MKA (AA)Artificial Analysis41.0%†–
FACTS SearchGoogle80.3%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub75.1%†85.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†73.2%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%98.9%
ProofBenchVals AI89.0%†99.0%
LiveBench MathematicsLiveBench92.8%95.7%
Arena MathsArena (LMArena)1451†1515
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub23.8%†59.9%
LiveBench 2.0 Data AnalysisLiveBench53.1%†–
LiveBench ResearchLiveBench84.3%†–
LiveBench 1.0 Data AnalysisLiveBench72.8%74.5%
AA-Omniscience v1.1Artificial Analysis7.837.6
MMLU-ProVals AI–91.6%
LegalBenchVals AI–87.0%
CorpFinVals AI–73.2%†
TaxEvalVals AI–75.1%†
BioMysteryBenchVals AI70.4%†79.3%
ClaimBenchVals AI100.0%†–
Excel Modeling BenchmarkVals AI59.0%†73.6%
Excel Modeling Benchmark v1.1Vals AI65.5%†–
MedCodeVals AI51.5%†63.6%
MedScribeVals AI89.5%†91.0%
Public Benefits Bench v1.1Vals AI63.2%†76.9%
Immigration BenchVals AI61.8%†–
DrugDiscoveryBenchScale AI SEAL–53.7%
EBR-benchEpoch AI Benchmarking Hub43.8%†45.7%
GDP.pdfEpoch AI Benchmarking Hub–24.0%
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%60.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis60.9%40.6%
HealthBench Professional (AA)OpenAI58.4%†–
FACTS ParametricGoogle13.1%†48.8%†
指令遵循
LiveBench LanguageLiveBench63.5%88.7%
LiveBench Instruction FollowingLiveBench66.5%63.8%
MultiChallengeScale AI SEAL67.7%†–
Arena Instruction FollowingArena (LMArena)1426†1494
人类偏好
Arena TextArena (LMArena)1421†1489
EQ-Bench 4EQ-Bench–1365†
EQ-Bench Creative Writing v3EQ-Bench–2135†
Arena Creative WritingArena (LMArena)1361†1473
Arena Multi-turnArena (LMArena)1412†1486
Arena Longer QueriesArena (LMArena)1419†1502
多模态
Arena VisionArena (LMArena)–1318†
LiveBench DesignLiveBench79.3%†–
MMMU-ProArtificial Analysis–84.7%
MMMU-Pro (Vals)Vals AI–89.9%
MortgageTaxVals AI–72.1%†
SAGEVals AI89.8%†–
Humanity's Sixth SenseScale AI SEAL–30.5%
Blueprint-Bench 2Epoch AI Benchmarking Hub33.0%†30.4%†
Furniture AssemblyEpoch AI Benchmarking Hub47.5%†60.8%
VIALS-AAHandshake AI49.1%†–
Code2Video-AAArtificial Analysis1192†–
AA-3DArtificial Analysis998†–
FACTS MultimodalGoogle38.9%†–
长上下文
AA-LCR v1.1Artificial Analysis78.3%79.3%
Arena DocumentArena (LMArena)–1486†
MLCRArtificial Analysis15.0%11.1%
FACTS GroundingGoogle57.0%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.4†164.7†
LiveBench 2.0LiveBench68.9%†–
LiveBench 1.0LiveBench72.1%80.1%
AA Intelligence Index v5.0.1Artificial Analysis34.644.2
AA Intelligence Index v4.3.2Artificial Analysis41.350.8
AA Progress Index v1Artificial Analysis322.2333.7
Vals IndexVals AI58.7†–
Vals Finance IndexVals AI57.5%†–
Vals RSI IndexVals AI–33.0%
Vals Science IndexVals AI38.5%†47.9%
Vals Multimodal IndexVals AI–73.9%†
Vals Router IndexVals AI58.7%†–
Vals Legal IndexVals AI70.3%†–
安全与诚实
FORTRESSScale AI SEAL9.5%†16.8%†
DistressBenchScale AI SEAL71.7%†70.2%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Claude Opus 5 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • Claude Haiku 5.5 (xhigh):1 项新结果(GameBench 2 by reasoning setting)。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 57.3 → 56.8。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 56.8 → 57.3。
  • Claude Opus 5 (max):7 项新结果(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Claude Haiku 5.5 (xhigh):1 项分数修订。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Haiku 5.5 vs Claude Opus 5:常见问题

Claude Opus 5 比 Claude Haiku 5.5 更好吗?
质量上 Claude Opus 5 (max) 领先:65.0 比 56.7。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Opus 5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Haiku 5.5 和 Claude Opus 5 哪个更便宜?价格会变吗?
目前 Claude Haiku 5.5 更便宜:每百万 token $0.200 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Haiku 5.5 还是 Claude Opus 5 更好?
Claude Opus 5 在编程方面得分更高(类别得分 67 比 59,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Claude Haiku 5.5 为 29.9%,Claude Opus 5 为 31.1%。
Claude Haiku 5.5 和 Claude Opus 5 哪个更快?
Claude Haiku 5.5 输出更快(3 倍以上;输出 231 比 80 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 64)。两者都支持 1,000,000 token 的上下文。
更多问题(3)
哪个延迟更低?
Claude Opus 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 48.5 秒比 50.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Haiku 5.5 和 Claude Opus 5 的看法一致吗?
在两者都有结果的 32 项基准测试中,Claude Haiku 5.5 领先 3 项,Claude Opus 5 领先 28 项,1 项持平。所有同时评测两者的综合评分都认为 Claude Opus 5 更强。
Claude Haiku 5.5 是什么时候发布的?
Claude Haiku 5.5 于 2026年10月7日 发布。