BenchLeader

Claude Opus 4.6 vs Claude Opus 5

完整资料:Claude Opus 4.6(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 Opus 4.6(BenchLeader Index 65.0 比 62.5)。两者价格相近(每百万 token 混合价格 $10.00 比 $10.00)。看重人类偏好(70 比 68)选 Opus 4.6;看重数学(70 比 63)、编程(67 比 62)和推理(66 比 65)选 Opus 5。Opus 4.6 的首次回答更快(1.1 秒 比 48.5 秒)。Opus 5 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.6 的 BenchLeader Index 为 62.5,Claude Opus 5 为 65.0(BenchLeader,2026年11月16日)。
  • Claude Opus 4.6 每百万 token 混合价格为 $10.00(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 Opus 5 比 Claude Opus 4.6 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 20 项基准测试中,Claude Opus 5 领先 12 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.6 的评分为 1547,Claude Opus 5 为 1691(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Claude Opus 5类别得分 67 比 62;Arena WebDev 1691 比 1547中
数学Claude Opus 5类别得分 70 比 63;Arena Maths 1515 比 1516中
推理Claude Opus 5类别得分 66 比 65;ARC-AGI-2 90.4% 比 69.2%中
图像及其他媒体均可类别得分 67 比 67均可
对话质量(人类偏好)Claude Opus 4.6Arena 投票 70 比 68中
成本最低均可每百万 token 混合价格 $10.00 比 $10.00;智能体编程会话 $0.400 比 $0.400–
首次回答最快Claude Opus 4.6首个回答 token 1.1 秒(Claude Opus 4.6 (high))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 62.5。
  • Claude Opus 4.6 (high) 在人类偏好方面更强。
  • Claude Opus 5 (max) 在编程、数学、多模态、推理方面更强。
  • 两者价格相近(每百万 token 混合价格 $10.00)。
  • Claude Opus 5 (max) 的输出速度是对方的 2.3 倍(80 比 35 token/秒)。

概览

规格Claude Opus 4.6Claude Opus 5
提供商AnthropicAnthropic
发布日期2026年2月5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 Opus 4.6 (high)Claude Opus 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$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 Opus 4.6 (high)Claude Opus 5 (max)领先者
推理65.066.1Claude Opus 5
编程62.267.0Claude Opus 5
智能体与工具–63.8无法比较
数学63.469.8Claude Opus 5
知识–65.2无法比较
人类偏好69.868.1Claude Opus 4.6
多模态66.767.2持平
长上下文–64.3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推理编程数学多模态人类偏好Claude Opus 4.6, 推理: 65.0Claude Opus 4.6, 编程: 62.2Claude Opus 4.6, 数学: 63.4Claude Opus 4.6, 多模态: 66.7Claude Opus 4.6, 人类偏好: 69.8Claude Opus 5, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 数学: 69.8Claude Opus 5, 多模态: 67.2Claude Opus 5, 人类偏好: 68.1

未绘制(测得的模型少于两个):智能体与工具, 知识, 指令遵循, 长上下文。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 20 项基准测试中,Claude Opus 4.6 领先 8 项,Claude Opus 5 领先 12 项。第三方来源看法不一:Claude Opus 4.6 在 Arena Text 上领先;Claude Opus 5 在 BenchLeader Index 上领先。

综合 IndexClaude Opus 4.6 (high)Claude Opus 5 (max)领先者
BenchLeader Index62.565.0Claude Opus 5
Arena Text15031489Claude Opus 4.6

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 4.6 (high)Claude Opus 5 (max)
每百万 token 混合价格$10.00$10.00
每百万 token 输入 / 输出$5.00 / $25.00$5.00 / $25.00
每百万 token 缓存输入$0.500$0.500
每项任务价格:聊天回复$0.0095$0.0095
每项任务价格:总结一份 30 页的报告$0.075$0.075
每项任务价格:代码编辑$0.068$0.068
每项任务价格:智能体编程会话$0.400$0.400
每项任务价格:结构化信息提取$0.015$0.015
智能体编程会话(输入大多命中缓存)$0.198$0.198
每项基准测试任务成本(AA Index)–$11.82
每项任务输出 token(AA Index)–118k
其中推理部分–73k
每项任务耗时(AA Index)–25 min
输出速度35 tok/s80 tok/s
首次回答时间1.1 秒48.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–191.6 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 4.6 (high) 得分 62.5,首个回答 token 需 1 秒;Claude Opus 4.6 为 62.1(1 秒),Claude Opus 4.6 (无推理) 为 58.4(2 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 Opus 4.6 (high)Claude Opus 5 (max)
BenchLeader IndexBenchLeader62.565.0
编程得分BenchLeader62.267.0
人类偏好得分BenchLeader69.868.1
数学得分BenchLeader63.469.8
多模态得分BenchLeader66.767.2
推理得分BenchLeader65.066.1
智能体与工具得分BenchLeader–63.8
知识得分BenchLeader–65.2
长上下文得分BenchLeader–64.3
混合价格(美元/百万 token)BenchLeader$10.00$10.00
输出速度BenchLeader35 tok/s80 tok/s
首次回答时间BenchLeader1.1 秒48.5 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.5%†93.9%
Humanity's Last ExamScale AI / CAIS19.0%†–
SimpleBenchSimpleBench67.6%†80.6%†
Arena Hard PromptsArena (LMArena)15301513
LiveBench 1.0 ReasoningLiveBench88.7%91.2%
GPQA Diamond (AA)Artificial Analysis84.0%†93.2%
Humanity's Last Exam (AA)Artificial Analysis19.1%†54.9%
HLE-Diamond (AA)Artificial Analysis–44.8%
GPQA Diamond (Vals)Vals AI89.7%†93.4%†
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%97.5%
ARC-AGI-2ARC Prize69.2%90.4%
ARC-AGI-3ARC Prize0.5%†30.2%†
CritPtArtificial Analysis2.8%†29.1%
CritPt v2 hard subset (AA)Artificial Analysis–50.0%
MysteryMechanismVals AI–37.4%
HLE-Diamond (Scale)Scale AI SEAL–38.6%†
Arena ExpertArena (LMArena)15441530
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†43.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†59.0%
CL-benchEpoch AI Benchmarking Hub20.7%†–
CL-bench LifeEpoch AI Benchmarking Hub17.0%–
LMCAEpoch AI Benchmarking Hub55.8%†63.3%
DTBenchEpoch AI Benchmarking Hub91.2%†97.6%
ForecastBenchForecastBench63.1%†66.6%
显示全部 180 项基准测试
指标发布方Claude Opus 4.6 (high)Claude Opus 5 (max)
推理
BTF-3Epoch AI Benchmarking Hub–12.0%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†–
SciCodeSciCode–56.4%
WeirdMLWeirdML78.0%91.8%
FrontierCodeCognition26.6%†53.4%
GSO-BenchGSO-Bench41.2%–
Arena CodingArena (LMArena)15471528
Arena WebDevArena (LMArena)15471691
LiveBench 1.0 CodingLiveBench78.2%81.5%
LiveCodeBenchVals AI84.7%†89.0%
IOIVals AI–84.3%
SWE-bench (Vals)Vals AI78.2%†97.0%†
SWE-Bench ProScale AI SEAL51.9%†–
SWE-bench Verified (bash only)SWE-bench75.6%†–
SWE-bench Multilingual (bash only)SWE-bench72.0%†–
SWE-bench Verified (any scaffold)SWE-bench75.6%†–
Code MigrationVals AI–57.5%
ProgramBenchVals AI–3.0%
Vibe Code Bench 1-100Vals AI–28.5%
Vibe Code Bench v1.1Vals AI57.6%†88.4%†
SWE-Bench Pro (private)Scale AI SEAL47.1%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†63.2%†
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†–
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†62.2%†
SWE-Bench Pro V2Scale AI SEAL–99.4%†
SWE-Bench Pro V2 HARDScale AI SEAL–98.0%†
MirrorCodeEpoch AI Benchmarking Hub33.3%†87.8%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.7%
CursorBenchCursor–46.6%
ALE-BenchEpoch AI Benchmarking Hub996.5†2164.6†
AlgoTuneAlgoTune1.5–
FrontierSWEEpoch AI Benchmarking Hub–52.0%
WeirdML v3WeirdML–19.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis–49.0%
Terminal-Bench 2.1 (AA)Artificial Analysis–89.1%
Startrise FrontendStartrise–82.3%†
GameBench 2 OverallDuelLab GameBench 2–76.5†
GameBench 2 by reasoning settingDuelLab GameBench 2–84.8†
Design Arena WebsiteDesign Arena1283†1304†
FrontierCode 2.0 (AA)Artificial Analysis–31.1%
智能体与工具
Terminal-BenchTerminal-Bench79.8%†52.1%
OSWorld-Verified 2.0OSWorld–31.4%
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†65.8%
Arena AgentArena (LMArena)–7.2
LiveBench Agentic CodingLiveBench49.0%65.2%
Terminal-Bench HardArtificial Analysis48.5%†–
τ²-Bench Telecom (AA)Artificial Analysis84.8%†–
Terminal-Bench 2.1 (Vals)Vals AI–84.6%†
MCP AtlasScale AI SEAL76.8%†85.8%†
HiL-BenchScale AI SEAL38.3%†57.0%†
τ³-bench Bankingτ²-bench27.3%†48.7%
GDPval-AA v2.1Artificial Analysis–1729
τ³-Banking (AA)Artificial Analysis–42.1%
Analyst Agent (AA)Artificial Analysis–53.8%
APEX-Agents (AA)Artificial Analysis33.0%†–
CUA-benchVals AI–9.0%
CyberBenchVals AI–65.4%
Finance Agent v2Vals AI–58.6%
Harvey's Legal Agent Benchmark v1Vals AI–6.7%
Legal Research BenchVals AI–55.3%
SkillsBenchVals AI–60.4%
SREBenchVals AI–12.2%
Tax Agent BenchVals AI–47.1%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Terminal-Bench 4.0 (Vals)Vals AI–53.5%
Terminal-Bench ScienceVals AI–27.1%
Time Horizon Index: KSPVals AI–18.8%
Arena SearchArena (LMArena)1222†1213†
Arena Agent Task CompletionArena (LMArena)–10.2
BALROGBALROG–63.4%
DeepResearch BenchDeepResearch Bench55.3%–
PostTrainBenchEpoch AI Benchmarking Hub–35.7%†
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†79.6%†
Vending-Bench 2Andon Labs8017.6†11181.9†
AutomationBenchArtificial Analysis–56.6%
GDP.pdf (AA)Artificial Analysis–21.6%
EnterpriseOps-GymArtificial Analysis–47.5%
AA-Briefcase v1.1Artificial Analysis–1654
Design Arena AgenticDesign Arena1196†1270†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–28.6%
DeepSec-Bench (AA)Artificial Analysis–25.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†85.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†73.2%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†98.9%
ProofBenchVals AI50.0%†99.0%
LiveBench MathematicsLiveBench89.3%95.7%
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%–
Arena MathsArena (LMArena)15161515
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†59.9%
LiveBench 1.0 Data AnalysisLiveBench69.9%74.5%
AA-Omniscience v1.1Artificial Analysis–37.6
MMLU-ProVals AI89.1%†91.6%
LegalBenchVals AI85.3%†87.0%
CorpFinVals AI67.0%†73.2%†
TaxEvalVals AI76.0%†75.1%†
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†–
PRBench LegalScale AI SEAL52.3%†–
MultiNRCScale AI SEAL48.3%†–
BioMysteryBenchVals AI–79.3%
CaseLaw v2Vals AI62.1%†–
Excel Modeling BenchmarkVals AI–73.6%
MedCodeVals AI49.1%†63.6%
MedScribeVals AI86.7%†91.0%
Public Benefits Bench v1.1Vals AI–76.9%
DrugDiscoveryBenchScale AI SEAL27.7%†53.7%
EBR-benchEpoch AI Benchmarking Hub12.7%†45.7%
GDP.pdfEpoch AI Benchmarking Hub–24.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–60.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–40.6%
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
FACTS ParametricGoogle–48.8%†
指令遵循
LiveBench LanguageLiveBench83.3%88.7%
LiveBench Instruction FollowingLiveBench63.3%63.8%
IFBenchArtificial Analysis44.6%†–
MultiChallengeScale AI SEAL56.0%†–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)15111494
人类偏好
Arena TextArena (LMArena)15031489
EQ-Bench 4EQ-Bench1210†1365†
EQ-Bench Creative Writing v3EQ-Bench1810†2135†
Arena Creative WritingArena (LMArena)14991473
Arena Multi-turnArena (LMArena)15171486
Arena Longer QueriesArena (LMArena)15221502
多模态
Arena VisionArena (LMArena)13161318†
MMMU-ProArtificial Analysis72.5%†84.7%
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†89.9%
MortgageTaxVals AI68.5%†72.1%†
Humanity's Sixth SenseScale AI SEAL–30.5%
VTBScale AI SEAL27.5%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub–30.4%†
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†60.8%
长上下文
AA-LCR v1.1Artificial Analysis67.0%†79.3%
Arena DocumentArena (LMArena)14971486†
MLCRArtificial Analysis–11.1%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†164.7†
LiveBench 1.0LiveBench74.5%80.1%
AA Intelligence Index v5.0.1Artificial Analysis–44.2
AA Intelligence Index v4.3.2Artificial Analysis26.4†50.8
AA Progress Index v1Artificial Analysis274.5†333.7
Vals RSI IndexVals AI–33.0%
Vals Science IndexVals AI–47.9%
Vals Multimodal IndexVals AI–73.9%†
安全与诚实
FORTRESSScale AI SEAL20.5%†16.8%†
MASKScale AI SEAL96.3%†–
DistressBenchScale AI SEAL–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 Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Claude Opus 5 (max):7 项新结果(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):1 项分数修订。
  • Claude Opus 5 (max):BenchLeader Index 66.3 → 65.5。
  • Claude Opus 5 (max):1 项新结果(AA Progress Index v1)。

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 4.6 vs Claude Opus 5:常见问题

Claude Opus 5 比 Claude Opus 4.6 更好吗?
质量上 Claude Opus 5 (max) 领先:65.0 比 62.5。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 Opus 4.6 和 Claude Opus 5 哪个更便宜?价格会变吗?
两者价格相同:每百万 token 混合价格 $10.00。两者均未公布价格调整。
编程用 Claude Opus 4.6 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 62,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.6 为 1547,Claude Opus 5 为 1691。
Claude Opus 4.6 和 Claude Opus 5 哪个更快?
Claude Opus 5 输出更快(约 2 倍;输出 80 比 35 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
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 4.6 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 48.5 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 4.6 和 Claude Opus 5 的看法一致吗?
在两者都有结果的 20 项基准测试中,Claude Opus 4.6 领先 8 项,Claude Opus 5 领先 12 项。第三方来源看法不一:Claude Opus 4.6 在 Arena Text 上领先;Claude Opus 5 在 BenchLeader Index 上领先。
Claude Opus 5 是什么时候发布的?
Claude Opus 5 于 2026年7月24日 发布。