BenchLeader

Claude Opus 4.6 vs Claude Sonnet 5

完整资料:Claude Opus 4.6(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 9 个来源

截至 2026年11月16日,质量上 Claude Opus 4.6 领先 Claude Sonnet 5(BenchLeader Index 62.5 比 59.0)。不过,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)。看重多模态(67 比 61)、人类偏好(70 比 65)和编程(62 比 60)选 Opus 4.6;看重数学(65 比 63)选 Sonnet 5。Opus 4.6 的首次回答更快(1.1 秒 比 15.8 秒)。Sonnet 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 Sonnet 5 为 59.0(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 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 4.6 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 12 项基准测试中,Claude Opus 4.6 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 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Claude Opus 4.6类别得分 62 比 60;Arena WebDev 1547 比 1539中
数学Claude Sonnet 5类别得分 65 比 63;Arena Maths 1472 比 1516中
推理均可类别得分 65 比 65;Arena Hard Prompts 1530 比 1490均可
图像及其他媒体Claude Opus 4.6类别得分 67 比 61;Arena Vision 1316 比 1272中
对话质量(人类偏好)Claude Opus 4.6Arena 投票 70 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 4.6首个回答 token 1.1 秒(Claude Opus 4.6 (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

  • 质量上 Claude Opus 4.6 (high) 领先:62.5 比 59.0。
  • Claude Opus 4.6 (high) 在编程、人类偏好、多模态方面更强。
  • Claude Sonnet 5 (high) 在数学、推理方面更强。
  • 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 2.8 倍(99 比 35 token/秒)。

概览

规格Claude Opus 4.6Claude Sonnet 5
提供商AnthropicAnthropic
发布日期2026年2月5日2026年6月30日
上下文窗口(token)1,000,0001,000,000
对比时的配置Claude Opus 4.6 (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 4.6 (high)Claude Sonnet 5 (high)领先者
推理65.065.4持平
编程62.259.9Claude Opus 4.6
智能体与工具–52.9无法比较
数学63.465.3Claude Sonnet 5
人类偏好69.864.6Claude Opus 4.6
多模态66.760.9Claude Opus 4.6
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 Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 多模态: 60.9Claude Sonnet 5, 人类偏好: 64.6

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 12 项基准测试中,Claude Opus 4.6 领先 12 项,Claude Sonnet 5 领先 0 项。所有同时评测两者的综合评分都认为 Claude Opus 4.6 更强。

综合 IndexClaude Opus 4.6 (high)Claude Sonnet 5 (high)领先者
BenchLeader Index62.559.0Claude Opus 4.6
Arena Text15031461Claude 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 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35 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 4.6 (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 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 160 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 Sonnet 5 (high)
BenchLeader IndexBenchLeader62.559.0
编程得分BenchLeader62.259.9
人类偏好得分BenchLeader69.864.6
数学得分BenchLeader63.465.3
多模态得分BenchLeader66.760.9
推理得分BenchLeader65.065.4
智能体与工具得分BenchLeader–52.9
长上下文得分BenchLeader–62.9
混合价格(美元/百万 token)BenchLeader$10.00$4.00
输出速度BenchLeader35 tok/s99 tok/s
首次回答时间BenchLeader1.1 秒15.8 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.5%†80.3%†
Humanity's Last ExamScale AI / CAIS19.0%†–
SimpleBenchSimpleBench67.6%†60.6%†
Arena Hard PromptsArena (LMArena)15301490
LiveBench 1.0 ReasoningLiveBench88.7%88.7%†
GPQA Diamond (AA)Artificial Analysis84.0%†91.1%†
Humanity's Last Exam (AA)Artificial Analysis19.1%†35.7%
GPQA Diamond (Vals)Vals AI89.7%†88.9%†
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize69.2%–
ARC-AGI-3ARC Prize0.5%†–
CritPtArtificial Analysis2.8%†15.1%
Arena ExpertArena (LMArena)15441509
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†45.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†16.0%†
CL-benchEpoch AI Benchmarking Hub20.7%†–
CL-bench LifeEpoch AI Benchmarking Hub17.0%–
LMCAEpoch AI Benchmarking Hub55.8%†50.0%
DTBenchEpoch AI Benchmarking Hub91.2%†84.5%
ForecastBenchForecastBench63.1%†63.1%†
BTF-3Epoch AI Benchmarking Hub–14.2%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†–
SciCodeSciCode–54.3%
WeirdMLWeirdML78.0%68.8%
显示全部 160 项基准测试
指标发布方Claude Opus 4.6 (high)Claude Sonnet 5 (high)
编程
FrontierCodeCognition26.6%†42.7%†
GSO-BenchGSO-Bench41.2%37.3%†
Arena CodingArena (LMArena)15471520
Arena WebDevArena (LMArena)15471539
LiveBench 1.0 CodingLiveBench78.2%80.7%†
LiveCodeBenchVals AI84.7%†82.4%†
IOIVals AI–45.0%†
SWE-bench (Vals)Vals AI78.2%†79.6%†
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–44.4%†
ProgramBenchVals AI–0.0%†
Vibe Code Bench 1-100Vals AI–13.8%†
Vibe Code Bench v1.1Vals AI57.6%†81.3%†
SWE-Bench Pro (private)Scale AI SEAL47.1%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†–
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†–
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†–
SWE-Bench Pro V2Scale AI SEAL–93.2%†
SWE-Bench Pro V2 HARDScale AI SEAL–88.2%†
MirrorCodeEpoch AI Benchmarking Hub33.3%†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 Hub996.5†1463.1
AlgoTuneAlgoTune1.5–
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 2–46.6†
GameBench 2 by reasoning settingDuelLab GameBench 2–54.4†
Design Arena WebsiteDesign Arena1283†1268†
FrontierCode 2.0 (AA)Artificial Analysis–17.8%†
智能体与工具
Terminal-BenchTerminal-Bench79.8%†12.1%†
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†54.5%†
Arena AgentArena (LMArena)–2
LiveBench Agentic CodingLiveBench49.0%59.4%†
Terminal-Bench HardArtificial Analysis48.5%†–
τ²-Bench Telecom (AA)Artificial Analysis84.8%†–
Terminal-Bench 2.1 (Vals)Vals AI–74.5%†
MCP AtlasScale AI SEAL76.8%†–
HiL-BenchScale AI SEAL38.3%†–
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1Artificial Analysis–1262
τ³-Banking (AA)Artificial Analysis–37.3%†
Analyst Agent (AA)Artificial Analysis–46.3%†
APEX-Agents (AA)Artificial Analysis33.0%†–
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%†
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)1222†1191†
Arena Agent Task CompletionArena (LMArena)–-0.6
DeepResearch BenchDeepResearch Bench55.3%–
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†65.3%†
Vending-Bench 2Andon Labs8017.6†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 Arena1196†1222†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†65.6%†
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†29.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†80.0%†
ProofBenchVals AI50.0%†77.0%†
LiveBench MathematicsLiveBench89.3%92.9%†
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%–
Arena MathsArena (LMArena)15161472
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†33.7%†
LiveBench 1.0 Data AnalysisLiveBench69.9%71.7%†
MMLU-ProVals AI89.1%†87.5%†
LegalBenchVals AI85.3%†83.9%†
CorpFinVals AI67.0%†67.0%†
TaxEvalVals AI76.0%†75.6%†
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†–
PRBench LegalScale AI SEAL52.3%†–
MultiNRCScale AI SEAL48.3%†–
CaseLaw v2Vals AI62.1%†–
Excel Modeling BenchmarkVals AI–66.3%†
MedCodeVals AI49.1%†47.5%†
MedScribeVals AI86.7%†76.0%†
Public Benefits Bench v1.1Vals AI–66.0%†
DrugDiscoveryBenchScale AI SEAL27.7%†50.0%†
EBR-benchEpoch AI Benchmarking Hub12.7%†–
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
FACTS ParametricGoogle–20.5%†
指令遵循
LiveBench LanguageLiveBench83.3%75.0%†
LiveBench Instruction FollowingLiveBench63.3%63.9%†
IFBenchArtificial Analysis44.6%†–
MultiChallengeScale AI SEAL56.0%†–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)15111467
人类偏好
Arena TextArena (LMArena)15031461
EQ-Bench 4EQ-Bench1210†1221†
EQ-Bench Creative Writing v3EQ-Bench1810†1798†
Arena Creative WritingArena (LMArena)14991434
Arena Multi-turnArena (LMArena)15171473
Arena Longer QueriesArena (LMArena)15221481
多模态
Arena VisionArena (LMArena)13161272
MMMU-ProArtificial Analysis72.5%†77.3%†
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†83.0%†
MortgageTaxVals AI68.5%†70.0%†
Humanity's Sixth SenseScale AI SEAL–24.8%†
VTBScale AI SEAL27.5%†–
GeoBenchGeoBench–74.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub–24.9%†
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
长上下文
AA-LCR v1.1Artificial Analysis67.0%†76.7%
Arena DocumentArena (LMArena)14971469
MLCRArtificial Analysis–4.4%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†156.9†
LiveBench 1.0LiveBench74.5%76.0%†
AA Intelligence Index v4.3.2Artificial Analysis26.4†31.7
AA Progress Index v1Artificial Analysis274.5†296.8
Vals Multimodal IndexVals AI–68.8%†
安全与诚实
FORTRESSScale AI SEAL20.5%†–
MASKScale AI SEAL96.3%†–
DistressBenchScale AI SEAL–68.0%†

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 Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • 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 Sonnet 5 (high):BenchLeader Index 60.0 → 59.5。
  • Claude Sonnet 5 (high):1 项新结果(MLCR)。
  • Claude Sonnet 5 (high):1 项分数修订。

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 Sonnet 5:常见问题

Claude Opus 4.6 比 Claude Sonnet 5 更好吗?
质量上 Claude Opus 4.6 (high) 领先:62.5 比 59.0。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 4.6 (high) 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 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 4.6 还是 Claude Sonnet 5 更好?
Claude Opus 4.6 在编程方面得分更高(类别得分 62 比 60,50 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 Sonnet 5 为 1539。
Claude Opus 4.6 和 Claude Sonnet 5 哪个更快?
Claude Sonnet 5 输出更快(约 2 倍;输出 99 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 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 4.6 和 Claude Sonnet 5 的看法一致吗?
在两者都有结果的 12 项基准测试中,Claude Opus 4.6 领先 12 项,Claude Sonnet 5 领先 0 项。所有同时评测两者的综合评分都认为 Claude Opus 4.6 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。