BenchLeader

Claude Haiku 5.5 vs GPT-5.6 Sol

完整资料:Claude Haiku 5.5(Anthropic)和 GPT-5.6 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,质量上 GPT-5.6 Sol 领先 Claude Haiku 5.5(BenchLeader Index 65.3 比 56.7)。不过,Claude Haiku 5.5 更便宜,对方的价格是它的 40 倍(每百万 token 混合价格 $0.200 比 $8.00)。在两者都有成绩的所有类别中,GPT-5.6 Sol 均领先。Claude Haiku 5.5 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Haiku 5.5 的 BenchLeader Index 为 56.7,GPT-5.6 Sol 为 65.3(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)。
  • GPT-5.6 Sol 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Claude Haiku 5.5 比 GPT-5.6 Sol 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 27 项基准测试中,GPT-5.6 Sol 领先 25 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GPT-5.6 Sol类别得分 66 比 59;SciCode 57.1% 比 51.7%中
数学GPT-5.6 Sol类别得分 70 比 66;OTIS Mock AIME 100.0% 比 98.9%中
推理GPT-5.6 Sol类别得分 65 比 57;ARC-AGI-2 92.5% 比 61.3%中
知识GPT-5.6 Sol类别得分 64 比 49;LiveBench 1.0 Data Analysis 79.8% 比 72.8%高
长文档GPT-5.6 Sol类别得分 67 比 64;AA-LCR v1.1 84.0% 比 78.3%中
成本最低Claude Haiku 5.5每百万 token 混合价格 $0.200 比 $8.00;智能体编程会话 $0.008 比 $0.320–
首次回答最快GPT-5.6 Sol首个回答 token 33.5 秒(GPT-5.6 Sol (max))比 50.5 秒(Claude Haiku 5.5 (xhigh))–
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 GPT-5.6 Sol (max) 领先:65.3 比 56.7。
  • GPT-5.6 Sol (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 40 倍(每百万 token 混合价格 $0.200 比 $8.00)。
  • Claude Haiku 5.5 (xhigh) 的输出速度是对方的 2.3 倍(231 比 100 token/秒)。

概览

规格Claude Haiku 5.5GPT-5.6 Sol
提供商AnthropicOpenAI
发布日期2026年10月7日2026年7月9日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Haiku 5.5 (xhigh)GPT-5.6 Sol (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$4.00 / $20.00 / $0.400

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)GPT-5.6 Sol (max)领先者
推理57.364.7GPT-5.6 Sol
编程58.765.8GPT-5.6 Sol
智能体与工具–67.5无法比较
数学66.170.0GPT-5.6 Sol
知识49.063.8GPT-5.6 Sol
指令遵循–71.2无法比较
多模态–65.9无法比较
长上下文63.866.7GPT-5.6 Sol

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: 63.8GPT-5.6 Sol, 推理: 64.7GPT-5.6 Sol, 编程: 65.8GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知识: 63.8GPT-5.6 Sol, 长上下文: 66.7

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 27 项基准测试中,Claude Haiku 5.5 领先 2 项,GPT-5.6 Sol 领先 25 项。所有同时评测两者的综合评分都认为 GPT-5.6 Sol 更强。

综合 IndexClaude Haiku 5.5 (xhigh)GPT-5.6 Sol (max)领先者
BenchLeader Index56.765.3GPT-5.6 Sol
Arena Text1421†1485GPT-5.6 Sol

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)GPT-5.6 Sol (max)
每百万 token 混合价格$0.200$8.00
每百万 token 输入 / 输出$0.100 / $0.500$4.00 / $20.00
每百万 token 缓存输入$0.010$0.400
每项任务价格:聊天回复$0.0002$0.0076
每项任务价格:总结一份 30 页的报告$0.0015$0.060
每项任务价格:代码编辑$0.0014$0.054
每项任务价格:智能体编程会话$0.0080$0.320
每项任务价格:结构化信息提取$0.0003$0.012
智能体编程会话(输入大多命中缓存)$0.0040$0.158
每项基准测试任务成本(AA Index)$0.248–
每项任务输出 token(AA Index)136k–
其中推理部分97k–
每项任务耗时(AA Index)10 min–
输出速度231 tok/s100 tok/s
首次回答时间50.5 秒33.5 秒
完整回答耗时(最近一次测量 2026年11月13日)110.1 秒157.3 秒

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)。GPT-5.6 Sol (max) 得分 65.3,首个回答 token 需 34 秒;GPT-5.6 Sol (xhigh) 为 63.9(17 秒),GPT-5.6 Sol (high) 为 63.4(10 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 191 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)GPT-5.6 Sol (max)
BenchLeader IndexBenchLeader56.765.3
编程得分BenchLeader58.765.8
知识得分BenchLeader49.063.8
长上下文得分BenchLeader63.866.7
数学得分BenchLeader66.170.0
推理得分BenchLeader57.364.7
智能体与工具得分BenchLeader–67.5
指令遵循得分BenchLeader–71.2
多模态得分BenchLeader–65.9
混合价格(美元/百万 token)BenchLeader$0.200$8.00
输出速度BenchLeader231 tok/s100 tok/s
首次回答时间BenchLeader50.5 秒33.5 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub89.7%†93.5%
Humanity's Last ExamScale AI / CAIS30.1%†–
SimpleBenchSimpleBench–64.8%†
Arena Hard PromptsArena (LMArena)1449†1511†
LiveBench 2.0 ReasoningLiveBench82.4%†–
LiveBench 1.0 ReasoningLiveBench81.2%91.7%
GPQA Diamond (AA)Artificial Analysis–94.1%
Humanity's Last Exam (AA)Artificial Analysis42.7%49.5%
HLE-Diamond (AA)Artificial Analysis28.8%–
GPQA Diamond (Vals)Vals AI–95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize87.5%96.5%
ARC-AGI-2ARC Prize61.3%92.5%
ARC-AGI-3ARC Prize2.8%†7.8%
CritPtArtificial Analysis22.6%32.3%
CritPt v2 hard subset (AA)Artificial Analysis47.5%60.0%
MysteryMechanismVals AI35.1%†33.3%
HLE-Diamond (Scale)Scale AI SEAL–31.2%†
Arena ExpertArena (LMArena)1465†1532†
Chess PuzzlesEpoch AI Benchmarking Hub55.0%†59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%†58.0%
LMCAEpoch AI Benchmarking Hub48.0%58.4%
DTBenchEpoch AI Benchmarking Hub87.2%95.5%
ForecastBenchForecastBench–65.7%
显示全部 191 项基准测试
指标发布方Claude Haiku 5.5 (xhigh)GPT-5.6 Sol (max)
推理
BTF-3Epoch AI Benchmarking Hub–13.7%
编程
SciCodeSciCode51.7%57.1%
WeirdMLWeirdML–87.0%
FrontierCodeCognition46.4%†47.5%†
GSO-BenchGSO-Bench–76.5%†
Arena CodingArena (LMArena)1489†1533†
Arena WebDevArena (LMArena)1593†1615†
LiveBench 2.0 CodingLiveBench77.6%†–
LiveBench 1.0 CodingLiveBench76.4%83.9%
LiveCodeBenchVals AI–82.6%
IOIVals AI47.3%†91.2%
SWE-bench (Vals)Vals AI–96.2%
Code MigrationVals AI44.6%†52.9%
Code Migration v1.1Vals AI52.4%†–
ProgramBenchVals AI2.5%†1.5%
SWE-bench MultimodalVals AI44.0%†–
Vibe Code Bench 1-100Vals AI20.4%†20.0%
Vibe Code Bench v1.1Vals AI90.4%†80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–46.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–45.9%†
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%†95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL52.9%†82.4%†
MirrorCodeEpoch AI Benchmarking Hub78.9%†20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–72.7%
CursorBenchCursor44.3%41.7%
ALE-BenchEpoch AI Benchmarking Hub1587†2176.9
FrontierSWEEpoch AI Benchmarking Hub43.8%†32.2%
WeirdML v3WeirdML11.7%15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis29.3%39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.0%
Startrise FrontendStartrise–66.2%†
GameBench 2 OverallDuelLab GameBench 256.0†67.0†
GameBench 2 by reasoning settingDuelLab GameBench 275.180.0†
Design Arena WebsiteDesign Arena1253†1319†
FrontierCode 1.1 (AA)Artificial Analysis45.5%–
FrontierCode 2.0 (AA)Artificial Analysis29.9%–
智能体与工具
Terminal-BenchTerminal-Bench40.0%†38.5%
OSWorld-Verified 2.0OSWorld–27.3%
APEX-AgentsMercor56.1%†51.4%†
Arena AgentArena (LMArena)0.5†4.6†
LiveBench Long AgenticLiveBench47.9%†–
LiveBench BrowserLiveBench69.5%†–
LiveBench Agentic CodingLiveBench51.4%56.2%
Terminal-Bench HardArtificial Analysis–65.9%
τ²-Bench Telecom (AA)Artificial Analysis–85.1%
Terminal-Bench 2.1 (Vals)Vals AI–85.8%
HiL-BenchScale AI SEAL–32.3%†
τ³-bench Bankingτ²-bench–46.9%†
GDPval-AA v2.1, normalised scoreArtificial Analysis50.7%–
GDPval-AA v2.1Artificial Analysis15231619
τ³-Banking (AA)Artificial Analysis–44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis53.8%†47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI75.5%†76.3%
Finance Agent v2Vals AI54.1%†53.8%
Finance Agent v2.1Vals AI65.4%†–
Harvey's Legal Agent Benchmark v1.1Vals AI4.2%†–
Harvey's Legal Agent Benchmark v1Vals AI1.3%†2.5%
Legal Research BenchVals AI43.8%†48.1%
SkillsBenchVals AI–54.1%
SREBenchVals AI5.7%†30.5%
Tax Agent BenchVals AI31.9%†31.1%
Terminal-Bench 4.0 (Vals)Vals AI36.4%†37.9%
Terminal-Bench ScienceVals AI10.0%†20.0%
Time Horizon Index: KSPVals AI–23.8%
Web Search IndexVals AI–43.6%
Arena SearchArena (LMArena)–1255†
Arena Agent Task CompletionArena (LMArena)1.6†2.3†
BALROGBALROG–60.0%
PostTrainBenchEpoch AI Benchmarking Hub–31.0%
GBAEvalEpoch AI Benchmarking Hub–52.6%†
Vending-Bench 2Andon Labs3602.5†9619.4†
AutomationBenchArtificial Analysis36.0%60.1%
GDP.pdf (AA)Artificial Analysis18.2%27.2%
Harvey LAB-AA v1.1Harvey2.8%–
EnterpriseOps-GymArtificial Analysis–42.9%
AA-Briefcase v1.1Artificial Analysis15231479
GDPxGDPx by SemiAnalysis4.9%†–
Design Arena AgenticDesign Arena–1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis18.1%22.4%
MKA (AA)Artificial Analysis41.0%†–
FACTS SearchGoogle80.3%†92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub75.1%†89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI89.0%†83.0%
LiveBench MathematicsLiveBench92.8%96.2%
Arena MathsArena (LMArena)1451†1494†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub23.8%†69.7%
LiveBench 2.0 Data AnalysisLiveBench53.1%†–
LiveBench ResearchLiveBench84.3%†–
LiveBench 1.0 Data AnalysisLiveBench72.8%79.8%
AA-Omniscience v1.1Artificial Analysis7.8–
MMLU-ProVals AI–89.1%
LegalBenchVals AI–87.0%
CorpFinVals AI–64.4%
TaxEvalVals AI–74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
BioMysteryBenchVals AI70.4%†71.1%
ClaimBenchVals AI100.0%†–
Excel Modeling BenchmarkVals AI59.0%†72.3%
Excel Modeling Benchmark v1.1Vals AI65.5%†–
MedCodeVals AI51.5%†44.0%
MedScribeVals AI89.5%†85.2%
Public Benefits Bench v1.1Vals AI63.2%†66.5%
Financial Coaching BenchVals AI–74.9%
Immigration BenchVals AI61.8%†–
DrugDiscoveryBenchScale AI SEAL–56.5%
EBR-benchEpoch AI Benchmarking Hub43.8%†44.8%
GDP.pdfEpoch AI Benchmarking Hub–30.7%
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis60.9%–
HealthBench Professional (AA)OpenAI58.4%†–
FACTS ParametricGoogle13.1%†81.1%†
指令遵循
LiveBench LanguageLiveBench63.5%87.7%
LiveBench Instruction FollowingLiveBench66.5%71.8%
IFBenchArtificial Analysis–72.7%
MultiChallengeScale AI SEAL67.7%†–
Arena Instruction FollowingArena (LMArena)1426†1490†
人类偏好
Arena TextArena (LMArena)1421†1485†
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench–1974†
Arena Creative WritingArena (LMArena)1361†1471†
Arena Multi-turnArena (LMArena)1412†1491†
Arena Longer QueriesArena (LMArena)1419†1498†
多模态
Arena VisionArena (LMArena)–1282†
LiveBench DesignLiveBench79.3%†–
MMMU-ProArtificial Analysis–83.4%
MMMU-Pro (Vals)Vals AI–88.8%
MortgageTaxVals AI–67.3%
SAGEVals AI89.8%†–
Humanity's Sixth SenseScale AI SEAL–30.0%
GeoBenchGeoBench–73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub33.0%†33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub47.5%†56.7%
VIALS-AAHandshake AI49.1%†–
Code2Video-AAArtificial Analysis1192†–
AA-3DArtificial Analysis998†–
FACTS MultimodalGoogle38.9%†46.4%†
长上下文
AA-LCR v1.1Artificial Analysis78.3%84.0%
Arena DocumentArena (LMArena)–1487†
MLCRArtificial Analysis15.0%30.0%
FACTS GroundingGoogle57.0%†61.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.4†163.0†
LiveBench 2.0LiveBench68.9%†–
LiveBench 1.0LiveBench72.1%81.0%
AA Intelligence Index v5.0.1Artificial Analysis34.6–
AA Intelligence Index v4.3.2Artificial Analysis41.347.0
AA Progress Index v1Artificial Analysis322.2331.5
Vals IndexVals AI58.7†–
Vals Finance IndexVals AI57.5%†–
Vals RSI IndexVals AI–23.9%
Vals Science IndexVals AI38.5%†41.5%
Vals Multimodal IndexVals AI–72.6%
Vals Router IndexVals AI58.7%†–
Vals Legal IndexVals AI70.3%†–
安全与诚实
FORTRESSScale AI SEAL9.5%†20.1%†
DistressBenchScale AI SEAL71.7%†73.6%†

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

  • GPT-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):1 项分数修订。
  • Claude Haiku 5.5 (xhigh):1 项新结果(GameBench 2 by reasoning setting)。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 57.3 → 56.8。
  • GPT-5.6 Sol (max):1 项分数修订。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 56.8 → 57.3。
  • Claude Haiku 5.5 (xhigh):1 项分数修订。
  • GPT-5.6 Sol (max):1 项分数修订。
  • Claude Haiku 5.5 (xhigh):1 项新结果(AA-Briefcase v1.1)。

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 GPT-5.6 Sol:常见问题

GPT-5.6 Sol 比 Claude Haiku 5.5 更好吗?
质量上 GPT-5.6 Sol (max) 领先:65.3 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,GPT-5.6 Sol (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 GPT-5.6 Sol 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 $8.00(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 GPT-5.6 Sol 更好?
GPT-5.6 Sol 在编程方面得分更高(类别得分 66 比 59,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Claude Haiku 5.5 为 51.7%,GPT-5.6 Sol 为 57.1%。
Claude Haiku 5.5 和 GPT-5.6 Sol 哪个更快?
Claude Haiku 5.5 输出更快(约 2 倍;输出 231 比 100 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
GPT-5.6 Sol 在长上下文基准测试上得分更高(67 比 64)。两者都约为 1.1M token(Claude Haiku 5.5 为 1,000,000,GPT-5.6 Sol 为 1,050,000)。
更多问题(3)
哪个延迟更低?
GPT-5.6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 33.5 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 GPT-5.6 Sol 的看法一致吗?
在两者都有结果的 27 项基准测试中,Claude Haiku 5.5 领先 2 项,GPT-5.6 Sol 领先 25 项。所有同时评测两者的综合评分都认为 GPT-5.6 Sol 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。