BenchLeader

Claude Opus 4.5 vs Claude Sonnet 5

完整资料:Claude Opus 4.5(Anthropic)和 Claude Sonnet 5(Anthropic),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,Claude Opus 4.5 与 Claude Sonnet 5 的质量不相上下(BenchLeader Index 59.7 比 59.0,在 ±4.1 的误差范围内)。Claude Sonnet 5 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.00 比 $10.00)。在两者都有成绩的所有类别中,Claude Opus 4.5 均领先。Claude Sonnet 5 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.5 的 BenchLeader Index 为 59.7,Claude Sonnet 5 为 59.0(BenchLeader,2026年11月16日)。
  • Claude Opus 4.5 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Claude Sonnet 5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Claude Sonnet 5 比 Claude Opus 4.5 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 11 项基准测试中,Claude Opus 4.5 领先 8 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.5 的评分为 1493,Claude Sonnet 5 为 1539(LMArena,截至 2026年11月16日 的公布数据)。

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
编程均可类别得分 61 比 60;Arena WebDev 1493 比 1539均可
智能体与工具调用均可类别得分 53 比 53均可
数学均可类别得分 65 比 65;Arena Maths 1472 比 1472均可
推理Claude Opus 4.5类别得分 67 比 65;Arena Hard Prompts 1501 比 1490中
对话质量(人类偏好)Claude Opus 4.5Arena 投票 66 比 65中
成本最低Claude Sonnet 5每百万 token 混合价格 $4.00 比 $10.00;智能体编程会话 $0.160 比 $0.400–
首次回答最快Claude Opus 4.5首个回答 token 1.1 秒(Claude Opus 4.5 (high))比 15.8 秒(Claude Sonnet 5 (high))–
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

  • Claude Opus 4.5 (high) 与 Claude Sonnet 5 (high) 的质量不相上下(59.7 比 59.0,在 ±4.1 的误差范围内)。
  • Claude Opus 4.5 (high) 在编程、人类偏好、推理方面更强。
  • Claude Sonnet 5 (high) 在智能体与工具方面更强。
  • Claude Sonnet 5 (high) 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.00 比 $10.00)。
  • Claude Sonnet 5 (high) 的输出速度是对方的 2.5 倍(99 比 40 token/秒)。

概览

规格Claude Opus 4.5Claude Sonnet 5
提供商AnthropicAnthropic
发布日期2025年11月24日2026年6月30日
上下文窗口(token)200,0001,000,000
对比时的配置Claude Opus 4.5 (high)Claude Sonnet 5 (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$2.00 / $10.00 / $0.200

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 Opus 4.5 (high)Claude Sonnet 5 (high)领先者
推理66.665.4Claude Opus 4.5
编程60.659.9持平
智能体与工具52.752.9持平
数学65.365.3持平
知识60.0–无法比较
人类偏好66.264.6Claude Opus 4.5
多模态–60.9无法比较
长上下文–62.9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推理编程智能体与工具数学人类偏好Claude Opus 4.5, 推理: 66.6Claude Opus 4.5, 编程: 60.6Claude Opus 4.5, 智能体与工具: 52.7Claude Opus 4.5, 数学: 65.3Claude Opus 4.5, 人类偏好: 66.2Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 智能体与工具: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 人类偏好: 64.6

未绘制(测得的模型少于两个):知识, 指令遵循, 长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 11 项基准测试中,Claude Opus 4.5 领先 8 项,Claude Sonnet 5 领先 3 项。所有同时评测两者的综合评分都认为 Claude Opus 4.5 更强。

综合 IndexClaude Opus 4.5 (high)Claude Sonnet 5 (high)领先者
BenchLeader Index59.759.0不相上下
Arena Text14741461Claude Opus 4.5

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 Opus 4.5 (high)Claude Sonnet 5 (high)
每百万 token 混合价格$10.00$4.00
每百万 token 输入 / 输出$5.00 / $25.00$2.00 / $10.00
每百万 token 缓存输入$0.500$0.200
每项任务价格:聊天回复$0.0095$0.0038
每项任务价格:总结一份 30 页的报告$0.075$0.030
每项任务价格:代码编辑$0.068$0.027
每项任务价格:智能体编程会话$0.400$0.160
每项任务价格:结构化信息提取$0.015$0.0060
智能体编程会话(输入大多命中缓存)$0.198$0.079
输出速度40 tok/s99 tok/s
首次回答时间1.1 秒15.8 秒
完整回答耗时(最近一次测量 2026年11月13日)–40.7 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.5 (high) 得分 59.7,首个回答 token 需 1 秒;Claude Opus 4.5 (thinking) 为 59.3(14 秒),Claude Opus 4.5 为 57.1(1 秒)。Claude Sonnet 5 (high) 得分 59.0,首个回答 token 需 16 秒;Claude Sonnet 5 (max) 为 56.1(158 秒),Claude Sonnet 5 (xhigh) 为 55.4(32 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 162 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 Opus 4.5 (high)Claude Sonnet 5 (high)
BenchLeader IndexBenchLeader59.759.0
智能体与工具得分BenchLeader52.752.9
编程得分BenchLeader60.659.9
人类偏好得分BenchLeader66.264.6
知识得分BenchLeader60.0–
数学得分BenchLeader65.365.3
推理得分BenchLeader66.665.4
长上下文得分BenchLeader–62.9
多模态得分BenchLeader–60.9
混合价格(美元/百万 token)BenchLeader$10.00$4.00
输出速度BenchLeader40 tok/s99 tok/s
首次回答时间BenchLeader1.1 秒15.8 秒
上下文窗口BenchLeader200,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.0%†80.3%†
Humanity's Last ExamScale AI / CAIS25.2%†–
SimpleBenchSimpleBench62.0%†60.6%†
Arena Hard PromptsArena (LMArena)15011490
LiveBench 1.0 ReasoningLiveBench80.1%88.7%†
GPQA Diamond (AA)Artificial Analysis86.6%†91.1%†
Humanity's Last Exam (AA)Artificial Analysis30.1%†35.7%
GPQA Diamond (Vals)Vals AI85.9%88.9%†
Kagi LLM BenchmarkKagi LLM Benchmark70.7%†–
ARC-AGI-1ARC Prize80.0%†–
ARC-AGI-2ARC Prize37.6%†–
CritPtArtificial Analysis4.6%†15.1%
SciPredictScale AI SEAL23.1%†–
Arena ExpertArena (LMArena)15031509
Chess PuzzlesEpoch AI Benchmarking Hub14.0%†45.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub22.0%†16.0%†
CL-benchEpoch AI Benchmarking Hub21.1%†–
LMCAEpoch AI Benchmarking Hub44.5%50.0%
DTBenchEpoch AI Benchmarking Hub89.9%84.5%
ForecastBenchForecastBench64.6%†63.1%†
BTF-3Epoch AI Benchmarking Hub–14.2%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.7%†–
SciCodeSciCode–54.3%
WeirdMLWeirdML63.7%†68.8%
FrontierCodeCognition–42.7%†
显示全部 162 项基准测试
指标发布方Claude Opus 4.5 (high)Claude Sonnet 5 (high)
编程
GSO-BenchGSO-Bench26.5%†37.3%†
Arena CodingArena (LMArena)15301520
Arena WebDevArena (LMArena)14931539
LiveBench 1.0 CodingLiveBench79.7%80.7%†
LiveCodeBenchVals AI83.7%82.4%†
IOIVals AI–45.0%†
SWE-bench (Vals)Vals AI76.4%79.6%†
SWE-Bench ProScale AI SEAL45.9%†–
SWE-bench Verified (bash only)SWE-bench76.8%–
SWE-bench Multilingual (bash only)SWE-bench70.7%†–
SWE-bench Verified (any scaffold)SWE-bench79.2%†–
Code MigrationVals AI–44.4%†
ProgramBenchVals AI–0.0%†
Vibe Code Bench 1-100Vals AI–13.8%†
Vibe Code Bench v1.1Vals AI20.6%81.3%†
SWE-Bench Pro (private)Scale AI SEAL23.4%†–
SWE-Bench Pro V2Scale AI SEAL–93.2%†
SWE-Bench Pro V2 HARDScale AI SEAL–88.2%†
MirrorCodeEpoch AI Benchmarking Hub–63.3%†
Surface Evolver BenchEpoch AI Benchmarking Hub–60.0%†
DeepSWE v1.1Epoch AI Benchmarking Hub–48.2%
CursorBenchCursor–30.8%
ALE-BenchEpoch AI Benchmarking Hub1025.4†1463.1
AlgoTuneAlgoTune1.8†–
WeirdML v3WeirdML6.5%–
Terminal-Bench 4.0 (AA)Artificial Analysis–5.0%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.5%†
Startrise FrontendStartrise–66.6%†
GameBench 2 OverallDuelLab GameBench 247.1†46.6†
GameBench 2 by reasoning settingDuelLab GameBench 2–54.4†
Design Arena WebsiteDesign Arena1239†1268†
FrontierCode 2.0 (AA)Artificial Analysis–17.8%†
LiveCodeBench (AA)Artificial Analysis87.1%†–
智能体与工具
Terminal-BenchTerminal-Bench63.1%†12.1%†
GDPvalOpenAI45.5%†–
CybenchCybench82.0%†–
Remote Labor IndexScale AI / CAIS3.8%†–
APEX-AgentsMercor–54.5%†
Arena AgentArena (LMArena)–2
LiveBench Agentic CodingLiveBench39.7%59.4%†
Terminal-Bench HardArtificial Analysis47.0%†–
τ²-Bench Telecom (AA)Artificial Analysis89.5%†–
Terminal-Bench 2.1 (Vals)Vals AI–74.5%†
MCP AtlasScale AI SEAL69.8%–
BFCL OverallBerkeley Function Calling Leaderboard77.5%†–
τ²-benchτ²-bench85.3%–
τ³-bench Bankingτ²-bench24.7%–
GDPval-AA v2.1Artificial Analysis–1262
τ³-Banking (AA)Artificial Analysis–37.3%†
Analyst Agent (AA)Artificial Analysis–46.3%†
CyberBenchVals AI–61.9%†
Finance Agent v2Vals AI–53.9%†
Harvey's Legal Agent Benchmark v1Vals AI–5.0%†
Legal Research BenchVals AI–41.8%†
Poker AgentVals AI1033.4%†–
SkillsBenchVals AI–46.5%†
SREBenchVals AI–0.4%†
Tax Agent BenchVals AI–29.4%†
Terminal-Bench 2.0 (Vals)Vals AI58.4%–
Terminal-Bench 4.0 (Vals)Vals AI–10.6%†
Terminal-Bench ScienceVals AI–5.7%†
Arena SearchArena (LMArena)1186†1191†
Arena Agent Task CompletionArena (LMArena)–-0.6
BALROGBALROG43.0%†–
DeepResearch BenchDeepResearch Bench54.8%–
METR Time HorizonsMETR75.0%†–
GBAEvalEpoch AI Benchmarking Hub–65.3%†
Vending-Bench 2Andon Labs4967.1†6377.7†
AutomationBenchArtificial Analysis–32.1%
GDP.pdf (AA)Artificial Analysis–9.4%
EnterpriseOps-GymArtificial Analysis–44.7%†
AA-Briefcase v1.1Artificial Analysis–1177
Design Arena AgenticDesign Arena1156†1222†
DeepSearchQAGoogle24.0%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub34.4%†65.6%†
FrontierMath Tier 4Epoch AI Benchmarking Hub4.9%†29.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub86.1%†80.0%†
ProofBenchVals AI36.0%†77.0%†
LiveBench MathematicsLiveBench90.4%92.9%†
AIME (Vals)Vals AI76.9%†–
MGSMVals AI94.8%†–
Arena MathsArena (LMArena)14721472
AIME 2025 (AA)Artificial Analysis91.3%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub45.7%†33.7%†
LiveBench 1.0 Data AnalysisLiveBench74.4%71.7%†
MMLU-ProVals AI87.3%87.5%†
LegalBenchVals AI84.6%83.9%†
CorpFinVals AI65.1%67.0%†
TaxEvalVals AI74.9%75.6%†
MedQAVals AI93.2%†–
PRBench FinanceScale AI SEAL46.2%†–
PRBench LegalScale AI SEAL44.2%†–
MultiNRCScale AI SEAL41.2%†–
CaseLaw v2Vals AI62.6%†–
Excel Modeling BenchmarkVals AI–66.3%†
MedCodeVals AI49.2%47.5%†
MedScribeVals AI85.3%76.0%†
Public Benefits Bench v1.1Vals AI–66.0%†
DrugDiscoveryBenchScale AI SEAL–50.0%†
EBR-benchEpoch AI Benchmarking Hub14.3%†–
Global-MMLU-Lite (AA)Artificial Analysis91.3%†–
FACTS ParametricGoogle–20.5%†
指令遵循
LiveBench LanguageLiveBench81.3%75.0%†
LiveBench Instruction FollowingLiveBench62.5%63.9%†
IFBenchArtificial Analysis58.0%†–
MultiChallengeScale AI SEAL59.0%†–
TutorBenchScale AI SEAL49.8%†–
Arena Instruction FollowingArena (LMArena)14831467
人类偏好
Arena TextArena (LMArena)14741461
EQ-Bench 4EQ-Bench–1221†
EQ-Bench Creative Writing v3EQ-Bench1686†1798†
Arena Creative WritingArena (LMArena)14691434
Arena Multi-turnArena (LMArena)14851473
Arena Longer QueriesArena (LMArena)14951481
多模态
Arena VisionArena (LMArena)–1272
MMMU-ProArtificial Analysis74.0%†77.3%†
VISTAScale AI SEAL45.3%†–
MMMU-Pro (Vals)Vals AI83.0%83.0%†
MortgageTaxVals AI68.7%70.0%†
Humanity's Sixth SenseScale AI SEAL–24.8%†
GeoBenchGeoBench75.0%†74.0%
VPCTEpoch AI Benchmarking Hub40.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub–24.9%†
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
长上下文
AA-LCR v1.1Artificial Analysis77.3%†76.7%
Arena DocumentArena (LMArena)1468†1469
MLCRArtificial Analysis–4.4%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub151.9†156.9†
LiveBench 1.0LiveBench72.6%76.0%†
AA Intelligence Index v4.3.2Artificial Analysis29.1†31.7
AA Progress Index v1Artificial Analysis284.4†296.8
Vals RSI IndexVals AI14.8%–
Vals Multimodal IndexVals AI–68.8%†
安全与诚实
FORTRESSScale AI SEAL13.6%†–
MASKScale AI SEAL87.1%†–
DistressBenchScale AI SEAL–68.0%†
元数据
AA Openness IndexArtificial Analysis11.1†–

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 4.5 (high):13 项新结果(LiveCodeBench, MMLU-Pro, LegalBench…)。
  • Claude Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • Claude Sonnet 5 (high):1 项分数修订。
  • Claude Sonnet 5 (high):1 项分数修订。
  • Claude Sonnet 5 (high):1 项新结果(AA Progress Index v1)。
  • Claude Opus 4.5 (high):1 项新结果(Vals RSI Index)。
  • Claude Sonnet 5 (high):BenchLeader Index 60.0 → 59.5。
  • Claude Sonnet 5 (high):1 项新结果(MLCR)。

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 Opus 4.5 vs Claude Sonnet 5:常见问题

Claude Opus 4.5 比 Claude Sonnet 5 更好吗?
Claude Opus 4.5 (high) 与 Claude Sonnet 5 (high) 的质量不相上下(59.7 比 59.0,在 ±4.1 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 4.5 和 Claude Sonnet 5 哪个更便宜?价格会变吗?
目前 Claude Sonnet 5 更便宜:每百万 token $4.00 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 Opus 4.5 还是 Claude Sonnet 5 更好?
两者在编程方面持平(类别得分 61 比 60)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.5 为 1493,Claude Sonnet 5 为 1539。
Claude Opus 4.5 和 Claude Sonnet 5 哪个更快?
Claude Sonnet 5 输出更快(约 2 倍;输出 99 比 40 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 4.5 还是 Claude Sonnet 5 更好?
两者在智能体任务方面持平(类别得分 53 比 53)。
更多问题(4)
处理长文档哪个更好?
Claude Sonnet 5 支持更长的上下文:1,000,000 token,Claude Opus 4.5 为 200,000 token。
哪个延迟更低?
Claude Opus 4.5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.1 秒比 15.8 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 Opus 4.5 和 Claude Sonnet 5 的看法一致吗?
在两者都有结果的 11 项基准测试中,Claude Opus 4.5 领先 8 项,Claude Sonnet 5 领先 3 项。所有同时评测两者的综合评分都认为 Claude Opus 4.5 更强。
Claude Sonnet 5 是什么时候发布的?
Claude Sonnet 5 于 2026年6月30日 发布。