Claude Opus 4.6 vs GPT-6.1 Sol
完整资料:Claude Opus 4.6(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 14 个来源
截至 2026年11月16日,质量上 GPT-6.1 Sol 领先 Claude Opus 4.6(BenchLeader Index 66.6 比 62.5)。GPT-6.1 Sol 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)。看重人类偏好(70 比 67)和多模态(67 比 66)选 Claude Opus 4.6;看重编程(71 比 62)、数学(72 比 63)和推理(71 比 65)选 GPT-6.1 Sol。Claude Opus 4.6 的首次回答更快(1.1 秒 比 166.7 秒)。GPT-6.1 Sol 的输出更快。
要点(截至 2026年11月16日)
- Claude Opus 4.6 的 BenchLeader Index 为 62.5,GPT-6.1 Sol 为 66.6(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)。
- GPT-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
- GPT-6.1 Sol 比 Claude Opus 4.6 输出更快(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,GPT-6.1 Sol 领先 11 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Claude Opus 4.6 的评分为 1547,GPT-6.1 Sol 为 1743(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 | GPT-6.1 Sol | 类别得分 71 比 62;Arena WebDev 1743 比 1547 | 高 |
| 数学 | GPT-6.1 Sol | 类别得分 72 比 63;Arena Maths 1499 比 1516 | 高 |
| 推理 | GPT-6.1 Sol | 类别得分 71 比 65;ARC-AGI-2 94.2% 比 69.2% | 中 |
| 图像及其他媒体 | Claude Opus 4.6 | 类别得分 67 比 66;Arena Vision 1316 比 1286 | 中 |
| 对话质量(人类偏好) | Claude Opus 4.6 | Arena 投票 70 比 67 | 中 |
| 成本最低 | GPT-6.1 Sol | 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 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 62.5。
- Claude Opus 4.6 (high) 在人类偏好、多模态方面更强。
- GPT-6.1 Sol (max) 在编程、数学、推理方面更强。
- GPT-6.1 Sol (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)。
- GPT-6.1 Sol (max) 的输出速度是对方的 1.4 倍(50 比 35 token/秒)。
概览
| 规格 | Claude Opus 4.6 | GPT-6.1 Sol |
|---|---|---|
| 提供商 | Anthropic | OpenAI |
| 发布日期 | 2026年2月5日 | 2026年9月29日 |
| 上下文窗口(token) | 1,000,000 | 1,050,000 |
| 对比时的配置 | Claude Opus 4.6 (high) | 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) | $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 4.6 (high) | GPT-6.1 Sol (max) | 领先者 |
|---|---|---|---|
| 推理 | 65.0 | 71.4 | GPT-6.1 Sol |
| 编程 | 62.2 | 71.1 | GPT-6.1 Sol |
| 智能体与工具 | – | 64.3 | 无法比较 |
| 数学 | 63.4 | 71.6 | GPT-6.1 Sol |
| 知识 | – | 71.5 | 无法比较 |
| 人类偏好 | 69.8 | 67.1 | Claude Opus 4.6 |
| 多模态 | 66.7 | 65.6 | Claude Opus 4.6 |
| 长上下文 | – | 66.2 | 无法比较 |
| 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。
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。
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 9 项,GPT-6.1 Sol 领先 11 项。第三方来源看法不一:Claude Opus 4.6 在 Arena Text 上领先;GPT-6.1 Sol 在 BenchLeader Index 上领先。
| 综合 Index | Claude Opus 4.6 (high) | GPT-6.1 Sol (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 62.5 | 66.6 | GPT-6.1 Sol |
| Arena Text | 1503 | 1481 | Claude 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) | GPT-6.1 Sol (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) | – | $1.27 |
| 每项任务输出 token(AA Index) | – | 68k |
| 其中推理部分 | – | 49k |
| 每项任务耗时(AA Index) | – | 23 min |
| 输出速度 | 35 tok/s | 50 tok/s |
| 首次回答时间 | 1.1 秒 | 166.7 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | – | 429.6 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)。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 204 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) | GPT-6.1 Sol (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.5 | 66.6 |
| 编程得分 | BenchLeader | 62.2 | 71.1 |
| 人类偏好得分 | BenchLeader | 69.8 | 67.1 |
| 数学得分 | BenchLeader | 63.4 | 71.6 |
| 多模态得分 | BenchLeader | 66.7 | 65.6 |
| 推理得分 | BenchLeader | 65.0 | 71.4 |
| 智能体与工具得分 | BenchLeader | – | 64.3 |
| 综合得分 | BenchLeader | – | 67.9 |
| 知识得分 | BenchLeader | – | 71.5 |
| 长上下文得分 | BenchLeader | – | 66.2 |
| 混合价格(美元/百万 token) | BenchLeader | $10.00 | $4.00 |
| 输出速度 | BenchLeader | 35 tok/s | 50 tok/s |
| 首次回答时间 | BenchLeader | 1.1 秒 | 166.7 秒 |
| 上下文窗口 | BenchLeader | 1,000,000 token | 1,050,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 90.5%† | 95.4% |
| Humanity's Last Exam | Scale AI / CAIS | 19.0%† | – |
| SimpleBench | SimpleBench | 67.6%† | 82.9%† |
| Arena Hard Prompts | Arena (LMArena) | 1530 | 1505 |
| LiveBench 2.0 Reasoning | LiveBench | – | 92.6% |
| LiveBench 1.0 Reasoning | LiveBench | 88.7% | 92.6% |
| GPQA Diamond (AA) | Artificial Analysis | 84.0%† | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 19.1%† | 52.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 58.8% |
| GPQA Diamond (Vals) | Vals AI | 89.7%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 72.4%† | – |
| ARC-AGI-1 | ARC Prize | 94.0% | 96.5% |
| ARC-AGI-2 | ARC Prize | 69.2% | 94.2% |
| ARC-AGI-3 | ARC Prize | 0.5%† | 96.2% |
| CritPt | Artificial Analysis | 2.8%† | 31.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 69.5% |
| MysteryMechanism | Vals AI | – | 46.4% |
| Arena Expert | Arena (LMArena) | 1544 | 1525 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 21.0%† | 68.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 15.0%† | 80.0% |
| CL-bench | Epoch AI Benchmarking Hub | 20.7%† | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 17.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 55.8%† | 62.8% |
| DTBench | Epoch AI Benchmarking Hub | 91.2%† | 96.5% |
| ForecastBench | ForecastBench | 63.1%† | – |
显示全部 204 项基准测试
| 指标 | 发布方 | Claude Opus 4.6 (high) | GPT-6.1 Sol (max) |
|---|---|---|---|
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 78.7%† | – |
| SciCode | SciCode | – | 54.2% |
| WeirdML | WeirdML | 78.0% | – |
| FrontierCode | Cognition | 26.6%† | 50.2%† |
| GSO-Bench | GSO-Bench | 41.2% | – |
| Arena Coding | Arena (LMArena) | 1547 | 1540 |
| Arena WebDev | Arena (LMArena) | 1547 | 1743 |
| LiveBench 2.0 Coding | LiveBench | – | 82.1% |
| LiveBench 1.0 Coding | LiveBench | 78.2% | 80.4% |
| LiveCodeBench | Vals AI | 84.7%† | – |
| IOI | Vals AI | – | 96.9% |
| SWE-bench (Vals) | Vals AI | 78.2%† | – |
| SWE-Bench Pro | Scale AI SEAL | 51.9%† | – |
| SWE-bench Verified (bash only) | SWE-bench | 75.6%† | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 72.0%† | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 75.6%† | – |
| Code Migration | Vals AI | – | 65.1% |
| Code Migration v1.1 | Vals AI | – | 77.3% |
| ProgramBench | Vals AI | – | 3.0% |
| SWE-bench Multimodal | Vals AI | – | 43.5% |
| Vibe Code Bench v1.1 | Vals AI | 57.6%† | 88.9% |
| SWE-Bench Pro (private) | Scale AI SEAL | 47.1%† | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 33.3%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 35.6%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 36.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 65.9%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 71.0%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 66.7%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 60.0%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.1%† |
| MirrorCode | Epoch AI Benchmarking Hub | 33.3%† | 61.1% |
| ALE-Bench | Epoch AI Benchmarking Hub | 996.5† | 2743.8 |
| AlgoTune | AlgoTune | 1.5 | – |
| WeirdML v3 | WeirdML | – | 38.3%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 56.1% |
| Startrise Frontend | Startrise | – | 78.6%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 84.9† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 92.0† |
| Design Arena Website | Design Arena | 1283† | 1315† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 49.1% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 40.6% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 79.8%† | 60.9% |
| Cybench | Cybench | 93.0%† | – |
| Remote Labor Index | Scale AI / CAIS | 4.2%† | – |
| APEX-Agents | Mercor | 46.3%† | 60.0% |
| Arena Agent | Arena (LMArena) | – | 12.5 |
| LiveBench Long Agentic | LiveBench | – | 65.6% |
| LiveBench Browser | LiveBench | – | 93.3% |
| LiveBench Agentic Coding | LiveBench | 49.0% | 54.5% |
| Terminal-Bench Hard | Artificial Analysis | 48.5%† | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 84.8%† | – |
| MCP Atlas | Scale AI SEAL | 76.8%† | – |
| HiL-Bench | Scale AI SEAL | 38.3%† | 62.3%† |
| τ³-bench Banking | τ²-bench | 27.3%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 54.8% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1607 |
| Analyst Agent (AA) | Artificial Analysis | – | 50.0% |
| APEX-Agents (AA) | Artificial Analysis | 33.0%† | – |
| CyberBench | Vals AI | – | 39.3% |
| Finance Agent v2 | Vals AI | – | 52.0% |
| Finance Agent v2.1 | Vals AI | – | 61.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 6.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 5.4% |
| Legal Research Bench | Vals AI | – | 38.5% |
| Robo-bench | Vals AI | – | 28.3% |
| SREBench | Vals AI | – | 50.8% |
| Tax Agent Bench | Vals AI | – | 21.8% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 58.4%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 55.0% |
| Terminal-Bench Science | Vals AI | – | 52.9% |
| Arena Search | Arena (LMArena) | 1222† | 1249 |
| Arena Agent Task Completion | Arena (LMArena) | – | 11.7 |
| DeepResearch Bench | DeepResearch Bench | 55.3% | – |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 38.8% |
| METR Time Horizons | METR | 78.9%† | – |
| GBAEval | Epoch AI Benchmarking Hub | 44.1%† | – |
| Vending-Bench 2 | Andon Labs | 8017.6† | 12860.6† |
| SpireClimb | Epoch AI Benchmarking Hub | – | 23.8% |
| AutomationBench | Artificial Analysis | – | 64.9% |
| GDP.pdf (AA) | Artificial Analysis | – | 31.0% |
| Harvey LAB-AA v1.1 | Harvey | – | 6.9% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1555 |
| GDPx | GDPx by SemiAnalysis | – | 8.4% |
| Design Arena Agentic | Design Arena | 1196† | 1375 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 58.1% |
| MKA (AA) | Artificial Analysis | – | 47.7% |
| FACTS Search | – | 92.8%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 66.0%† | 93.7% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 26.8%† | 100.0% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 94.4%† | 100.0% |
| ProofBench | Vals AI | 50.0%† | 99.0%† |
| LiveBench Mathematics | LiveBench | 89.3% | 96.8% |
| AIME (Vals) | Vals AI | 95.6%† | – |
| AIME 2026 | MathArena | 96.7% | – |
| HMMT February 2026 | MathArena | 96.2% | – |
| USAMO 2026 | MathArena | 47.0% | – |
| MathArena Apex | MathArena | 34.5% | – |
| ArXivMath | MathArena | – | 92.8% |
| BrokenArXiv | MathArena | – | 83.1% |
| Arena Maths | Arena (LMArena) | 1516 | 1499 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 4.4% |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 47.0%† | 73.9% |
| LiveBench 2.0 Data Analysis | LiveBench | – | 82.7% |
| LiveBench Research | LiveBench | – | 90.0% |
| LiveBench 1.0 Data Analysis | LiveBench | 69.9% | 82.7% |
| AA-Omniscience v1.1 | Artificial Analysis | – | 42.0 |
| MMLU-Pro | Vals AI | 89.1%† | – |
| LegalBench | Vals AI | 85.3%† | – |
| CorpFin | Vals AI | 67.0%† | – |
| TaxEval | Vals AI | 76.0%† | – |
| MedQA | Vals AI | 95.4%† | – |
| PRBench Finance | Scale AI SEAL | 53.3%† | 46.2%† |
| PRBench Legal | Scale AI SEAL | 52.3%† | 47.9%† |
| MultiNRC | Scale AI SEAL | 48.3%† | – |
| BioMysteryBench | Vals AI | – | 79.6% |
| CaseLaw v2 | Vals AI | 62.1%† | – |
| ClaimBench | Vals AI | – | 100.0% |
| Excel Modeling Benchmark | Vals AI | – | 70.8% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 71.1% |
| MedCode | Vals AI | 49.1%† | 48.8% |
| MedScribe | Vals AI | 86.7%† | 86.5% |
| Public Benefits Bench v1.1 | Vals AI | – | 59.3% |
| Access to Justice Benchmark | Vals AI | – | 65.8% |
| Financial Coaching Bench | Vals AI | – | 68.5% |
| Immigration Bench | Vals AI | – | 67.8% |
| DrugDiscoveryBench | Scale AI SEAL | 27.7%† | – |
| EBR-bench | Epoch AI Benchmarking Hub | 12.7%† | 54.3% |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 35.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 61.8% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 48.1% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 90.6%† | – |
| HealthBench Professional (AA) | OpenAI | – | 65.1% |
| FACTS Parametric | – | 83.8%† | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 83.3% | 90.1% |
| LiveBench Instruction Following | LiveBench | 63.3% | 74.2% |
| IFBench | Artificial Analysis | 44.6%† | – |
| MultiChallenge | Scale AI SEAL | 56.0%† | 82.0%† |
| TutorBench | Scale AI SEAL | 53.5%† | – |
| Arena Instruction Following | Arena (LMArena) | 1511 | 1482 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1503 | 1481 |
| EQ-Bench 4 | EQ-Bench | 1210† | 1272† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1810† | – |
| Arena Creative Writing | Arena (LMArena) | 1499 | 1449 |
| Arena Multi-turn | Arena (LMArena) | 1517 | 1486 |
| Arena Longer Queries | Arena (LMArena) | 1522 | 1488 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1316 | 1286 |
| LiveBench Design | LiveBench | – | 79.6% |
| MMMU-Pro | Artificial Analysis | 72.5%† | 86.0% |
| VISTA | Scale AI SEAL | 45.5%† | – |
| MMMU-Pro (Vals) | Vals AI | 83.9%† | – |
| MortgageTax | Vals AI | 68.5%† | – |
| SAGE | Vals AI | – | 90.5% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 46.6% |
| VTB | Scale AI SEAL | 27.5%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 43.2%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 28.3%† | 80.0% |
| VIALS-AA | Handshake AI | – | 59.0% |
| Code2Video-AA | Artificial Analysis | – | 1369 |
| AA-3D | Artificial Analysis | – | 1121 |
| FACTS Multimodal | – | 52.6%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 67.0%† | 83.0% |
| Arena Document | Arena (LMArena) | 1497 | – |
| MLCR | Artificial Analysis | – | 38.3% |
| FACTS Grounding | – | 78.0%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 156.3† | 168.5† |
| LiveBench 2.0 | LiveBench | – | 81.4% |
| LiveBench 1.0 | LiveBench | 74.5% | 81.6% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 54.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 26.4† | 51.8 |
| AA Progress Index v1 | Artificial Analysis | 274.5† | 348.5 |
| Vals Index | Vals AI | – | 63.9 |
| Vals Finance Index | Vals AI | – | 55.8% |
| Vals RSI Index | Vals AI | – | 26.6% |
| Vals Science Index | Vals AI | – | 59.6% |
| Vals Router Index | Vals AI | – | 63.9%† |
| Vals Legal Index | Vals AI | – | 68.7% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 20.5%† | – |
| MASK | Scale AI SEAL | 96.3%† | – |
| DistressBench | Scale AI SEAL | – | 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。
- Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
- GPT-6.1 Sol (max):1 项分数修订。
- GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
- 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。
- GPT-6.1 Sol (max):2 项分数修订。
- GPT-6.1 Sol (max):3 项分数修订。
- GPT-6.1 Sol (max):1 项分数修订。
相关对比
- Claude Opus 4.6 vs Claude Fable 5.2
- Claude Opus 4.6 vs Gemini 4 Carbon
- Claude Opus 4.6 vs Claude Opus 5.5
- GPT-6.1 Sol vs Claude Fable 5.2
- GPT-6.1 Sol vs Gemini 4 Carbon
- GPT-6.1 Sol vs Claude Opus 5.5
- GPT-6.1 Sol vs GPT-6 Astra
- Claude Opus 4.5 vs GPT-6.1 Sol
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 4.6 vs GPT-6.1 Sol:常见问题
- GPT-6.1 Sol 比 Claude Opus 4.6 更好吗?
- 质量上 GPT-6.1 Sol (max) 领先:66.6 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,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 Opus 4.6 和 GPT-6.1 Sol 哪个更便宜?价格会变吗?
- 目前 GPT-6.1 Sol 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 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 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,GPT-6.1 Sol 为 1743。
- Claude Opus 4.6 和 GPT-6.1 Sol 哪个更快?
- GPT-6.1 Sol 输出更快(输出 50 比 35 token/秒,Artificial Analysis 7 日中位数)。
- 处理长文档哪个更好?
- 两者都约为 1.1M token(Claude Opus 4.6 为 1,000,000,GPT-6.1 Sol 为 1,050,000)。
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 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 Opus 4.6 和 GPT-6.1 Sol 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 9 项,GPT-6.1 Sol 领先 11 项。第三方来源看法不一:Claude Opus 4.6 在 Arena Text 上领先;GPT-6.1 Sol 在 BenchLeader Index 上领先。
- GPT-6.1 Sol 是什么时候发布的?
- GPT-6.1 Sol 于 2026年9月29日 发布。