BenchLeader

Claude Haiku 5.5 vs GPT-6.1 Sol

完整资料:Claude Haiku 5.5(Anthropic)和 GPT-6.1 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 15 个来源

截至 2026年11月16日,质量上 GPT-6.1 Sol 领先 Claude Haiku 5.5(BenchLeader Index 66.6 比 56.7)。不过,Claude Haiku 5.5 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.200 比 $4.00)。在两者都有成绩的所有类别中,GPT-6.1 Sol 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,GPT-6.1 Sol 为 66.6(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-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Claude Haiku 5.5 比 GPT-6.1 Sol 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 34 项基准测试中,GPT-6.1 Sol 领先 33 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-6.1 Sol类别得分 71 比 59;FrontierCode 2.0 (AA) 40.6% 比 29.9%高
数学GPT-6.1 Sol类别得分 72 比 66;OTIS Mock AIME 100.0% 比 98.9%中
推理GPT-6.1 Sol类别得分 71 比 57;HLE-Diamond (AA) 58.8% 比 28.8%高
知识GPT-6.1 Sol类别得分 72 比 49;AA-Omniscience v1.1 42.0 比 7.8高
长文档GPT-6.1 Sol类别得分 66 比 64;AA-LCR v1.1 83.0% 比 78.3%中
对话质量(人类偏好)–只有 GPT-6.1 Sol 有 Arena 评分(类别得分 67)无法比较
成本最低Claude Haiku 5.5每百万 token 混合价格 $0.200 比 $4.00;智能体编程会话 $0.008 比 $0.160–
首次回答最快Claude Haiku 5.5首个回答 token 50.5 秒(Claude Haiku 5.5 (xhigh))比 166.7 秒(GPT-6.1 Sol (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 GPT-6.1 Sol (max) 领先:66.6 比 56.7。
  • GPT-6.1 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 20 倍(每百万 token 混合价格 $0.200 比 $4.00)。
  • Claude Haiku 5.5 (xhigh) 的输出速度是对方的 4.6 倍(231 比 50 token/秒)。

概览

规格Claude Haiku 5.5GPT-6.1 Sol
提供商AnthropicOpenAI
发布日期2026年10月7日2026年9月29日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Haiku 5.5 (xhigh)GPT-6.1 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$2.00 / $10.00 / $0.100

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-6.1 Sol (max)领先者
推理57.371.4GPT-6.1 Sol
编程58.771.1GPT-6.1 Sol
智能体与工具–64.3无法比较
数学66.171.6GPT-6.1 Sol
知识49.071.5GPT-6.1 Sol
人类偏好–67.1无法比较
多模态–65.6无法比较
长上下文63.866.2GPT-6.1 Sol
综合–67.9无法比较

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-6.1 Sol, 推理: 71.4GPT-6.1 Sol, 编程: 71.1GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知识: 71.5GPT-6.1 Sol, 长上下文: 66.2

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 34 项基准测试中,Claude Haiku 5.5 领先 1 项,GPT-6.1 Sol 领先 33 项。所有同时评测两者的综合评分都认为 GPT-6.1 Sol 更强。

综合 IndexClaude Haiku 5.5 (xhigh)GPT-6.1 Sol (max)领先者
BenchLeader Index56.766.6GPT-6.1 Sol
AA Intelligence Index v5.0.134.654.6GPT-6.1 Sol
Vals Index58.7†63.9GPT-6.1 Sol
Arena Text1421†1481GPT-6.1 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-6.1 Sol (max)
每百万 token 混合价格$0.200$4.00
每百万 token 输入 / 输出$0.100 / $0.500$2.00 / $10.00
每百万 token 缓存输入$0.010$0.100
每项任务价格:聊天回复$0.0002$0.0038
每项任务价格:总结一份 30 页的报告$0.0015$0.030
每项任务价格:代码编辑$0.0014$0.027
每项任务价格:智能体编程会话$0.0080$0.160
每项任务价格:结构化信息提取$0.0003$0.0060
智能体编程会话(输入大多命中缓存)$0.0040$0.074
每项基准测试任务成本(AA Index)$0.248$1.27
每项任务输出 token(AA Index)136k68k
其中推理部分97k49k
每项任务耗时(AA Index)10 min23 min
输出速度231 tok/s50 tok/s
首次回答时间50.5 秒166.7 秒
完整回答耗时(最近一次测量 2026年11月13日)110.1 秒429.6 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 GPT-6.1 Sol (max) 上花费 $1.27;完成同样的工作,Claude Haiku 5.5 (xhigh) 输出的 token 是对方的 2.0 倍,这是只看 token 单价看不出来的。

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-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 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 154 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-6.1 Sol (max)
BenchLeader IndexBenchLeader56.766.6
编程得分BenchLeader58.771.1
知识得分BenchLeader49.071.5
长上下文得分BenchLeader63.866.2
数学得分BenchLeader66.171.6
推理得分BenchLeader57.371.4
智能体与工具得分BenchLeader–64.3
综合得分BenchLeader–67.9
人类偏好得分BenchLeader–67.1
多模态得分BenchLeader–65.6
混合价格(美元/百万 token)BenchLeader$0.200$4.00
输出速度BenchLeader231 tok/s50 tok/s
首次回答时间BenchLeader50.5 秒166.7 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub89.7%†95.4%
Humanity's Last ExamScale AI / CAIS30.1%†–
SimpleBenchSimpleBench–82.9%†
Arena Hard PromptsArena (LMArena)1449†1505
LiveBench 2.0 ReasoningLiveBench82.4%†92.6%
LiveBench 1.0 ReasoningLiveBench81.2%92.6%
Humanity's Last Exam (AA)Artificial Analysis42.7%52.9%
HLE-Diamond (AA)Artificial Analysis28.8%58.8%
ARC-AGI-1ARC Prize87.5%96.5%
ARC-AGI-2ARC Prize61.3%94.2%
ARC-AGI-3ARC Prize2.8%†96.2%
CritPtArtificial Analysis22.6%31.7%
CritPt v2 hard subset (AA)Artificial Analysis47.5%69.5%
MysteryMechanismVals AI35.1%†46.4%
Arena ExpertArena (LMArena)1465†1525
Chess PuzzlesEpoch AI Benchmarking Hub55.0%†68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%†80.0%
LMCAEpoch AI Benchmarking Hub48.0%62.8%
DTBenchEpoch AI Benchmarking Hub87.2%96.5%
编程
SciCodeSciCode51.7%54.2%
FrontierCodeCognition46.4%†50.2%†
Arena CodingArena (LMArena)1489†1540
Arena WebDevArena (LMArena)1593†1743
LiveBench 2.0 CodingLiveBench77.6%†82.1%
LiveBench 1.0 CodingLiveBench76.4%80.4%
显示全部 154 项基准测试
指标发布方Claude Haiku 5.5 (xhigh)GPT-6.1 Sol (max)
编程
IOIVals AI47.3%†96.9%
Code MigrationVals AI44.6%†65.1%
Code Migration v1.1Vals AI52.4%†77.3%
ProgramBenchVals AI2.5%†3.0%
SWE-bench MultimodalVals AI44.0%†43.5%
Vibe Code Bench 1-100Vals AI20.4%†–
Vibe Code Bench v1.1Vals AI90.4%†88.9%
SWE Atlas v1.1Scale AI SEAL59.4%†65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL62.1%†71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL52.9%†60.0%†
SWE-Bench Pro V2Scale AI SEAL87.2%†96.1%†
SWE-Bench Pro V2 HARDScale AI SEAL52.9%†–
MirrorCodeEpoch AI Benchmarking Hub78.9%†61.1%
CursorBenchCursor44.3%–
ALE-BenchEpoch AI Benchmarking Hub1587†2743.8
FrontierSWEEpoch AI Benchmarking Hub43.8%†–
WeirdML v3WeirdML11.7%38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis29.3%56.1%
Startrise FrontendStartrise–78.6%†
GameBench 2 OverallDuelLab GameBench 256.0†84.9†
GameBench 2 by reasoning settingDuelLab GameBench 275.192.0†
Design Arena WebsiteDesign Arena1253†1315†
FrontierCode 1.1 (AA)Artificial Analysis45.5%49.1%
FrontierCode 2.0 (AA)Artificial Analysis29.9%40.6%
智能体与工具
Terminal-BenchTerminal-Bench40.0%†60.9%
APEX-AgentsMercor56.1%†60.0%
Arena AgentArena (LMArena)0.5†12.5
LiveBench Long AgenticLiveBench47.9%†65.6%
LiveBench BrowserLiveBench69.5%†93.3%
LiveBench Agentic CodingLiveBench51.4%54.5%
HiL-BenchScale AI SEAL–62.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis50.7%54.8%
GDPval-AA v2.1Artificial Analysis15231607
Analyst Agent (AA)Artificial Analysis53.8%†50.0%
CyberBenchVals AI75.5%†39.3%
Finance Agent v2Vals AI54.1%†52.0%
Finance Agent v2.1Vals AI65.4%†61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI4.2%†6.3%
Harvey's Legal Agent Benchmark v1Vals AI1.3%†5.4%
Legal Research BenchVals AI43.8%†38.5%
Robo-benchVals AI–28.3%
SREBenchVals AI5.7%†50.8%
Tax Agent BenchVals AI31.9%†21.8%
Terminal-Bench 4.0 (Vals)Vals AI36.4%†55.0%
Terminal-Bench ScienceVals AI10.0%†52.9%
Arena SearchArena (LMArena)–1249
Arena Agent Task CompletionArena (LMArena)1.6†11.7
PostTrainBenchEpoch AI Benchmarking Hub–38.8%
Vending-Bench 2Andon Labs3602.5†12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis36.0%64.9%
GDP.pdf (AA)Artificial Analysis18.2%31.0%
Harvey LAB-AA v1.1Harvey2.8%6.9%
AA-Briefcase v1.1Artificial Analysis15231555
GDPxGDPx by SemiAnalysis4.9%†8.4%
Design Arena AgenticDesign Arena–1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis18.1%58.1%
MKA (AA)Artificial Analysis41.0%†47.7%
FACTS SearchGoogle80.3%†92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub75.1%†93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI89.0%†99.0%†
LiveBench MathematicsLiveBench92.8%96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)1451†1499
FrontierMath ErdősEpoch AI Benchmarking Hub–4.4%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub23.8%†73.9%
LiveBench 2.0 Data AnalysisLiveBench53.1%†82.7%
LiveBench ResearchLiveBench84.3%†90.0%
LiveBench 1.0 Data AnalysisLiveBench72.8%82.7%
AA-Omniscience v1.1Artificial Analysis7.842.0
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI70.4%†79.6%
ClaimBenchVals AI100.0%†100.0%
Excel Modeling BenchmarkVals AI59.0%†70.8%
Excel Modeling Benchmark v1.1Vals AI65.5%†71.1%
MedCodeVals AI51.5%†48.8%
MedScribeVals AI89.5%†86.5%
Public Benefits Bench v1.1Vals AI63.2%†59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI–68.5%
Immigration BenchVals AI61.8%†67.8%
EBR-benchEpoch AI Benchmarking Hub43.8%†54.3%
GDP.pdfEpoch AI Benchmarking Hub–35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis60.9%48.1%
HealthBench Professional (AA)OpenAI58.4%†65.1%
FACTS ParametricGoogle13.1%†83.8%†
指令遵循
LiveBench LanguageLiveBench63.5%90.1%
LiveBench Instruction FollowingLiveBench66.5%74.2%
MultiChallengeScale AI SEAL67.7%†82.0%†
Arena Instruction FollowingArena (LMArena)1426†1482
人类偏好
Arena TextArena (LMArena)1421†1481
EQ-Bench 4EQ-Bench–1272†
Arena Creative WritingArena (LMArena)1361†1449
Arena Multi-turnArena (LMArena)1412†1486
Arena Longer QueriesArena (LMArena)1419†1488
多模态
Arena VisionArena (LMArena)–1286
LiveBench DesignLiveBench79.3%†79.6%
MMMU-ProArtificial Analysis–86.0%
SAGEVals AI89.8%†90.5%
Humanity's Sixth SenseScale AI SEAL–46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub33.0%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub47.5%†80.0%
VIALS-AAHandshake AI49.1%†59.0%
Code2Video-AAArtificial Analysis1192†1369
AA-3DArtificial Analysis998†1121
FACTS MultimodalGoogle38.9%†52.6%†
长上下文
AA-LCR v1.1Artificial Analysis78.3%83.0%
MLCRArtificial Analysis15.0%38.3%
FACTS GroundingGoogle57.0%†78.0%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.4†168.5†
LiveBench 2.0LiveBench68.9%†81.4%
LiveBench 1.0LiveBench72.1%81.6%
AA Intelligence Index v5.0.1Artificial Analysis34.654.6
AA Intelligence Index v4.3.2Artificial Analysis41.351.8
AA Progress Index v1Artificial Analysis322.2348.5
Vals IndexVals AI58.7†63.9
Vals Finance IndexVals AI57.5%†55.8%
Vals RSI IndexVals AI–26.6%
Vals Science IndexVals AI38.5%†59.6%
Vals Router IndexVals AI58.7%†63.9%†
Vals Legal IndexVals AI70.3%†68.7%
安全与诚实
FORTRESSScale AI SEAL9.5%†–
DistressBenchScale AI SEAL71.7%†74.2%†

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

  • GPT-6.1 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
  • Claude Haiku 5.5 (xhigh):1 项新结果(GameBench 2 by reasoning setting)。
  • GPT-6.1 Sol (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
  • Claude Haiku 5.5 (xhigh):BenchLeader Index 57.3 → 56.8。
  • GPT-6.1 Sol (max):2 项分数修订。
  • GPT-6.1 Sol (max):3 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Haiku 5.5 vs GPT-6.1 Sol:常见问题

GPT-6.1 Sol 比 Claude Haiku 5.5 更好吗?
质量上 GPT-6.1 Sol (max) 领先:66.6 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-6.1 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-6.1 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 $4.00(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-6.1 Sol 更好?
GPT-6.1 Sol 在编程方面得分更高(类别得分 71 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%,GPT-6.1 Sol 为 40.6%。
Claude Haiku 5.5 和 GPT-6.1 Sol 哪个更快?
Claude Haiku 5.5 输出更快(3 倍以上;输出 231 比 50 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
GPT-6.1 Sol 在长上下文基准测试上得分更高(66 比 64)。两者都约为 1.1M token(Claude Haiku 5.5 为 1,000,000,GPT-6.1 Sol 为 1,050,000)。
更多问题(3)
哪个延迟更低?
Claude Haiku 5.5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 50.5 秒比 166.7 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-6.1 Sol 的看法一致吗?
在两者都有结果的 34 项基准测试中,Claude Haiku 5.5 领先 1 项,GPT-6.1 Sol 领先 33 项。所有同时评测两者的综合评分都认为 GPT-6.1 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。