Claude Opus 4.5 vs Claude Sonnet 5.5
完整资料:Claude Opus 4.5(Anthropic)和 Claude Sonnet 5.5(Anthropic),包括全部基准测试、价格和排名。
更新于 · 数据来自 14 个来源
截至 2026年11月16日,质量上 Claude Sonnet 5.5 领先 Claude Opus 4.5(BenchLeader Index 64.2 比 59.7)。Claude Sonnet 5.5 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)。看重知识(60 比 57)选 Opus 4.5;看重智能体与工具(71 比 53)、编程(70 比 61)和数学(71 比 65)选 Sonnet 5.5。Opus 4.5 的首次回答更快(1.1 秒 比 290.5 秒)。Sonnet 5.5 的输出更快(3 倍以上)。
要点(截至 2026年11月16日)
- Claude Opus 4.5 的 BenchLeader Index 为 59.7,Claude Sonnet 5.5 为 64.2(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 5.5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
- Claude Sonnet 5.5 比 Claude Opus 4.5 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 13 项基准测试中,Claude Sonnet 5.5 领先 10 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 Sonnet 5.5 | 类别得分 70 比 61;LiveBench 1.0 Coding 91.4% 比 79.7% | 高 |
| 智能体与工具调用 | Claude Sonnet 5.5 | 类别得分 71 比 53;LiveBench Agentic Coding 56.3% 比 39.7% | 高 |
| 数学 | Claude Sonnet 5.5 | 类别得分 71 比 65;LiveBench Mathematics 96.1% 比 90.4% | 中 |
| 推理 | Claude Sonnet 5.5 | 类别得分 68 比 67;LiveBench 1.0 Reasoning 91.6% 比 80.1% | 中 |
| 知识 | Claude Opus 4.5 | 类别得分 60 比 57;LiveBench 1.0 Data Analysis 74.4% 比 59.5% | 中 |
| 对话质量(人类偏好) | – | 只有 Claude Opus 4.5 有 Arena 评分(类别得分 66) | 无法比较 |
| 成本最低 | Claude Sonnet 5.5 | 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 290.5 秒(Claude Sonnet 5.5 (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 Sonnet 5.5 (max) 领先:64.2 比 59.7。
- Claude Opus 4.5 (high) 在知识方面更强。
- Claude Sonnet 5.5 (max) 在智能体与工具、编程、数学、推理方面更强。
- Claude Sonnet 5.5 (max) 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 5.5 (max) 的输出速度是对方的 3.8 倍(152 比 40 token/秒)。
概览
| 规格 | Claude Opus 4.5 | Claude Sonnet 5.5 |
|---|---|---|
| 提供商 | Anthropic | Anthropic |
| 发布日期 | 2025年11月24日 | 2026年9月28日 |
| 上下文窗口(token) | 200,000 | 1,000,000 |
| 对比时的配置 | Claude Opus 4.5 (high) | Claude Sonnet 5.5 (max) |
| 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 / $0.100 |
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 Opus 4.5 (high) | Claude Sonnet 5.5 (max) | 领先者 |
|---|---|---|---|
| 推理 | 66.6 | 67.8 | Claude Sonnet 5.5 |
| 编程 | 60.6 | 70.2 | Claude Sonnet 5.5 |
| 智能体与工具 | 52.7 | 70.5 | Claude Sonnet 5.5 |
| 数学 | 65.3 | 71.3 | Claude Sonnet 5.5 |
| 知识 | 60.0 | 57.4 | Claude Opus 4.5 |
| 人类偏好 | 66.2 | – | 无法比较 |
| 长上下文 | – | 66.0 | 无法比较 |
| 综合 | – | 63.0 | 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。
未绘制(测得的模型少于两个):指令遵循, 长上下文, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 13 项基准测试中,Claude Opus 4.5 领先 3 项,Claude Sonnet 5.5 领先 10 项。第三方来源看法不一:Claude Opus 4.5 在 Arena Text 上领先;Claude Sonnet 5.5 在 BenchLeader Index 上领先。
| 综合 Index | Claude Opus 4.5 (high) | Claude Sonnet 5.5 (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 59.7 | 64.2 | Claude Sonnet 5.5 |
| Arena Text | 1474 | 1473† | Claude 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 5.5 (max) |
|---|---|---|
| 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 | $0.100 |
| 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 | $0.074 |
| 每项基准测试任务成本(AA Index) | – | $10.02 |
| 每项任务输出 token(AA Index) | – | 285k |
| 其中推理部分 | – | 206k |
| 每项任务耗时(AA Index) | – | 31 min |
| 输出速度 | 40 tok/s | 152 tok/s |
| 首次回答时间 | 1.1 秒 | 290.5 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | – | 487.7 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 5.5 (max) 得分 64.2,首个回答 token 需 291 秒;Claude Sonnet 5.5 (xhigh) 为 62.5(27 秒),Claude Sonnet 5.5 (high) 为 59.5(9 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 203 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 5.5 (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 59.7 | 64.2 |
| 智能体与工具得分 | BenchLeader | 52.7 | 70.5 |
| 编程得分 | BenchLeader | 60.6 | 70.2 |
| 人类偏好得分 | BenchLeader | 66.2 | – |
| 知识得分 | BenchLeader | 60.0 | 57.4 |
| 数学得分 | BenchLeader | 65.3 | 71.3 |
| 推理得分 | BenchLeader | 66.6 | 67.8 |
| 综合得分 | BenchLeader | – | 63.0 |
| 长上下文得分 | BenchLeader | – | 66.0 |
| 混合价格(美元/百万 token) | BenchLeader | $10.00 | $4.00 |
| 输出速度 | BenchLeader | 40 tok/s | 152 tok/s |
| 首次回答时间 | BenchLeader | 1.1 秒 | 290.5 秒 |
| 上下文窗口 | BenchLeader | 200,000 token | 1,000,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 86.0%† | 95.6% |
| Humanity's Last Exam | Scale AI / CAIS | 25.2%† | 46.1%† |
| SimpleBench | SimpleBench | 62.0%† | 75.9%† |
| Arena Hard Prompts | Arena (LMArena) | 1501 | 1499† |
| LiveBench 2.0 Reasoning | LiveBench | – | 91.6% |
| LiveBench 1.0 Reasoning | LiveBench | 80.1% | 91.6% |
| GPQA Diamond (AA) | Artificial Analysis | 86.6%† | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 30.1%† | 55.0% |
| HLE-Diamond (AA) | Artificial Analysis | – | 53.3% |
| GPQA Diamond (Vals) | Vals AI | 85.9% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 70.7%† | – |
| ARC-AGI-1 | ARC Prize | 80.0%† | 96.5% |
| ARC-AGI-2 | ARC Prize | 37.6%† | 83.9%† |
| ARC-AGI-3 | ARC Prize | – | 72.4%† |
| CritPt | Artificial Analysis | 4.6%† | 31.4% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 59.0% |
| MysteryMechanism | Vals AI | – | 49.1% |
| SciPredict | Scale AI SEAL | 23.1%† | – |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 37.5%† |
| Arena Expert | Arena (LMArena) | 1503 | 1512† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 14.0%† | 59.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 22.0%† | 65.0% |
| CL-bench | Epoch AI Benchmarking Hub | 21.1%† | – |
| LMCA | Epoch AI Benchmarking Hub | 44.5% | 68.3% |
| DTBench | Epoch AI Benchmarking Hub | 89.9% | 97.3% |
显示全部 203 项基准测试
| 指标 | 发布方 | Claude Opus 4.5 (high) | Claude Sonnet 5.5 (max) |
|---|---|---|---|
| 推理 | |||
| ForecastBench | ForecastBench | 64.6%† | – |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 76.7%† | – |
| SciCode | SciCode | – | 61.0% |
| WeirdML | WeirdML | 63.7%† | – |
| FrontierCode | Cognition | – | 52.1%† |
| GSO-Bench | GSO-Bench | 26.5%† | – |
| Arena Coding | Arena (LMArena) | 1530 | 1517† |
| Arena WebDev | Arena (LMArena) | 1493 | 1772† |
| LiveBench 2.0 Coding | LiveBench | – | 77.2% |
| LiveBench 1.0 Coding | LiveBench | 79.7% | 91.4% |
| LiveCodeBench | Vals AI | 83.7% | – |
| IOI | Vals AI | – | 83.1% |
| SWE-bench (Vals) | Vals AI | 76.4% | – |
| SWE-Bench Pro | Scale AI SEAL | 45.9%† | – |
| SWE-bench Verified (bash only) | SWE-bench | 76.8% | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 70.7%† | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 79.2%† | – |
| Code Migration | Vals AI | – | 69.8% |
| Code Migration v1.1 | Vals AI | – | 86.9% |
| ProgramBench | Vals AI | – | 6.5% |
| SWE-bench Multimodal | Vals AI | – | 58.3% |
| Vibe Code Bench v1.1 | Vals AI | 20.6% | 92.4% |
| SWE-Bench Pro (private) | Scale AI SEAL | 23.4%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 68.3%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 74.2%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 67.8%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 62.9%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 95.8%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 70.6%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 97.8% |
| CursorBench | Cursor | – | 55.5% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1025.4† | 1819.1† |
| AlgoTune | AlgoTune | 1.8† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 61.9% |
| WeirdML v3 | WeirdML | 6.5% | 19.9%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 63.6% |
| Startrise Frontend | Startrise | – | 75.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 47.1† | 60.4† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 91.4† |
| Design Arena Website | Design Arena | 1239† | 1309† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 45.8% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 41.7% |
| LiveCodeBench (AA) | Artificial Analysis | 87.1%† | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 63.1%† | 63.9% |
| GDPval | OpenAI | 45.5%† | – |
| Cybench | Cybench | 82.0%† | – |
| Remote Labor Index | Scale AI / CAIS | 3.8%† | – |
| APEX-Agents | Mercor | – | 75.5% |
| Arena Agent | Arena (LMArena) | – | 16 |
| LiveBench Long Agentic | LiveBench | – | 63.4% |
| LiveBench Browser | LiveBench | – | 89.3% |
| LiveBench Agentic Coding | LiveBench | 39.7% | 56.3% |
| Terminal-Bench Hard | Artificial Analysis | 47.0%† | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 89.5%† | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 83.2%† |
| MCP Atlas | Scale AI SEAL | 69.8% | – |
| BFCL Overall | Berkeley Function Calling Leaderboard | 77.5%† | – |
| τ²-bench | τ²-bench | 85.3% | – |
| τ³-bench Banking | τ²-bench | 24.7% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 66.9% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1838 |
| Analyst Agent (AA) | Artificial Analysis | – | 57.5% |
| CyberBench | Vals AI | – | 59.6% |
| Finance Agent v2 | Vals AI | – | 58.1% |
| Finance Agent v2.1 | Vals AI | – | 67.3% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 10.4% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 2.9% |
| Legal Research Bench | Vals AI | – | 48.1% |
| Poker Agent | Vals AI | 1033.4%† | – |
| SREBench | Vals AI | – | 30.1% |
| Tax Agent Bench | Vals AI | – | 42.0% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 58.4% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 64.1% |
| Terminal-Bench Science | Vals AI | – | 47.1% |
| Arena Search | Arena (LMArena) | 1186† | – |
| Arena Agent Task Completion | Arena (LMArena) | – | 19.5 |
| BALROG | BALROG | 43.0%† | – |
| DeepResearch Bench | DeepResearch Bench | 54.8% | – |
| METR Time Horizons | METR | 75.0%† | – |
| Vending-Bench 2 | Andon Labs | 4967.1† | 11165.3† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 1.3% |
| AutomationBench | Artificial Analysis | – | 71.8% |
| GDP.pdf (AA) | Artificial Analysis | – | 25.8% |
| Harvey LAB-AA v1.1 | Harvey | – | 2.8% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1816 |
| GDPx | GDPx by SemiAnalysis | – | 8.2% |
| Design Arena Agentic | Design Arena | 1156† | 1293† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 53.3% |
| MKA (AA) | Artificial Analysis | – | 52.0% |
| DeepSearchQA | 24.0%† | – | |
| FACTS Search | – | 86.8%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 34.4%† | 88.8% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 4.9%† | 80.5% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 86.1%† | 100.0% |
| ProofBench | Vals AI | 36.0%† | 100.0% |
| LiveBench Mathematics | LiveBench | 90.4% | 96.1% |
| AIME (Vals) | Vals AI | 76.9%† | – |
| MGSM | Vals AI | 94.8%† | – |
| Arena Maths | Arena (LMArena) | 1472 | 1486† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 2.9% |
| AIME 2025 (AA) | Artificial Analysis | 91.3%† | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 45.7%† | 46.5% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 59.5% |
| LiveBench Research | LiveBench | – | 88.0% |
| LiveBench 1.0 Data Analysis | LiveBench | 74.4% | 59.5% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 30.5 |
| MMLU-Pro | Vals AI | 87.3% | – |
| LegalBench | Vals AI | 84.6% | – |
| CorpFin | Vals AI | 65.1% | – |
| TaxEval | Vals AI | 74.9% | – |
| MedQA | Vals AI | 93.2%† | – |
| PRBench Finance | Scale AI SEAL | 46.2%† | – |
| PRBench Legal | Scale AI SEAL | 44.2%† | – |
| MultiNRC | Scale AI SEAL | 41.2%† | – |
| BioMysteryBench | Vals AI | – | 81.1% |
| CaseLaw v2 | Vals AI | 62.6%† | – |
| ClaimBench | Vals AI | – | 100.0% |
| Excel Modeling Benchmark | Vals AI | – | 75.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 75.9% |
| MedCode | Vals AI | 49.2% | 52.9% |
| MedScribe | Vals AI | 85.3% | 91.1% |
| Public Benefits Bench v1.1 | Vals AI | – | 67.2% |
| Access to Justice Benchmark | Vals AI | – | 74.9% |
| Financial Coaching Bench | Vals AI | – | 74.9% |
| Immigration Bench | Vals AI | – | 69.0% |
| EBR-bench | Epoch AI Benchmarking Hub | 14.3%† | – |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 31.4% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 51.5% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 56.7% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 91.3%† | – |
| HealthBench Professional (AA) | OpenAI | – | 63.0% |
| FACTS Parametric | – | 35.1%† | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 81.3% | 78.0% |
| LiveBench Instruction Following | LiveBench | 62.5% | 56.8% |
| IFBench | Artificial Analysis | 58.0%† | – |
| MultiChallenge | Scale AI SEAL | 59.0%† | – |
| TutorBench | Scale AI SEAL | 49.8%† | – |
| Arena Instruction Following | Arena (LMArena) | 1483 | 1482† |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1474 | 1473† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1686† | – |
| Arena Creative Writing | Arena (LMArena) | 1469 | 1464† |
| Arena Multi-turn | Arena (LMArena) | 1485 | 1469† |
| Arena Longer Queries | Arena (LMArena) | 1495 | 1491† |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1284† |
| LiveBench Design | LiveBench | – | 81.3% |
| MMMU-Pro | Artificial Analysis | 74.0%† | – |
| VISTA | Scale AI SEAL | 45.3%† | – |
| MMMU-Pro (Vals) | Vals AI | 83.0% | – |
| MortgageTax | Vals AI | 68.7% | – |
| SAGE | Vals AI | – | 88.0% |
| GeoBench | GeoBench | 75.0%† | – |
| VPCT | Epoch AI Benchmarking Hub | 40.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 39.3%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 28.3%† | 75.0% |
| VIALS-AA | Handshake AI | – | 59.6% |
| Code2Video-AA | Artificial Analysis | – | 1443 |
| AA-3D | Artificial Analysis | – | 1204 |
| FACTS Multimodal | – | 50.4%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 77.3%† | 82.7% |
| Arena Document | Arena (LMArena) | 1468† | – |
| MLCR | Artificial Analysis | – | 41.7% |
| FACTS Grounding | – | 62.5%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 151.9† | 166.6† |
| LiveBench 2.0 | LiveBench | – | 77.0% |
| LiveBench 1.0 | LiveBench | 72.6% | 75.7% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 54.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 29.1† | 56 |
| AA Progress Index v1 | Artificial Analysis | 284.4† | 350.5 |
| Vals Index | Vals AI | – | 70.8 |
| Vals Finance Index | Vals AI | – | 64.5% |
| Vals RSI Index | Vals AI | 14.8% | – |
| Vals Science Index | Vals AI | – | 59.1% |
| Vals Router Index | Vals AI | – | 69.0%† |
| Vals Legal Index | Vals AI | – | 68.0% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 13.6%† | – |
| MASK | Scale AI SEAL | 87.1%† | – |
| DistressBench | Scale AI SEAL | – | 74.6%† |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 11.1† | – |
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 5.5 (max):36 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
- Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
- Claude Sonnet 5.5 (max):2 项分数修订。
- Claude Sonnet 5.5 (max):1 项分数修订。
- Claude Sonnet 5.5 (max):1 项分数修订。
- Claude Sonnet 5.5 (max):1 项分数修订。
- Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
- Claude Sonnet 5.5 (max):5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $5.46/M → $10.02/M。
相关对比
- Claude Sonnet 5.5 vs Claude Fable 5.2
- Claude Sonnet 5.5 vs Gemini 4 Carbon
- Claude Sonnet 5.5 vs Claude Opus 5.5
- Claude Sonnet 5.5 vs GPT-6 Astra
- Claude Opus 4.5 vs GPT-6.1 Sol
- Claude Opus 4.5 vs Gemini 4 Argon
- Claude Opus 4.5 vs Muse Wonder Full
- Claude Opus 4.5 vs Muse Spark 1.3
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 Opus 4.5 vs Claude Sonnet 5.5:常见问题
- Claude Sonnet 5.5 比 Claude Opus 4.5 更好吗?
- 质量上 Claude Sonnet 5.5 (max) 领先:64.2 比 59.7。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 Sonnet 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
- Claude Opus 4.5 和 Claude Sonnet 5.5 哪个更便宜?价格会变吗?
- 目前 Claude Sonnet 5.5 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 5.5 更好?
- Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 61,50 为平均水平)。
- Claude Opus 4.5 和 Claude Sonnet 5.5 哪个更快?
- Claude Sonnet 5.5 输出更快(3 倍以上;输出 152 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 5.5 更好?
- Claude Sonnet 5.5 在智能体任务方面得分更高(类别得分 71 比 53,50 为平均水平)。
更多问题(4)
- 处理长文档哪个更好?
- Claude Sonnet 5.5 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 290.5 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 Opus 4.5 和 Claude Sonnet 5.5 的看法一致吗?
- 在两者都有结果的 13 项基准测试中,Claude Opus 4.5 领先 3 项,Claude Sonnet 5.5 领先 10 项。第三方来源看法不一:Claude Opus 4.5 在 Arena Text 上领先;Claude Sonnet 5.5 在 BenchLeader Index 上领先。
- Claude Sonnet 5.5 是什么时候发布的?
- Claude Sonnet 5.5 于 2026年9月28日 发布。