BenchLeader

Claude Opus 4.6 vs GPT-6 Astra

完整资料:Claude Opus 4.6(Anthropic)和 GPT-6 Astra(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 Astra 领先 Claude Opus 4.6(BenchLeader Index 67.3 比 62.5)。不过,Claude Opus 4.6 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $10.00 比 $20.00)。看重人类偏好(70 比 66)和多模态(67 比 66)选 Claude Opus 4.6;看重编程(73 比 62)、推理(72 比 65)和数学(71 比 63)选 GPT-6 Astra。Claude Opus 4.6 的首次回答更快(1.1 秒 比 198.4 秒)。

要点(截至 2026年11月16日)

  • Claude Opus 4.6 的 BenchLeader Index 为 62.5,GPT-6 Astra 为 67.3(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 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • 在两者都有结果的 22 项基准测试中,GPT-6 Astra 领先 13 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.6 的评分为 1547,GPT-6 Astra 为 1764(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 Astra类别得分 73 比 62;Arena WebDev 1764 比 1547高
数学GPT-6 Astra类别得分 71 比 63;Arena Maths 1481 比 1516中
推理GPT-6 Astra类别得分 72 比 65;ARC-AGI-2 95.0% 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 1279中
对话质量(人类偏好)Claude Opus 4.6Arena 投票 70 比 66中
成本最低Claude Opus 4.6每百万 token 混合价格 $10.00 比 $20.00;智能体编程会话 $0.400 比 $0.800–
首次回答最快Claude Opus 4.6首个回答 token 1.1 秒(Claude Opus 4.6 (high))比 198.4 秒(GPT-6 Astra (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 Astra (max) 领先:67.3 比 62.5。
  • Claude Opus 4.6 (high) 在人类偏好、多模态方面更强。
  • GPT-6 Astra (max) 在编程、数学、推理方面更强。
  • Claude Opus 4.6 (high) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $10.00 比 $20.00)。

概览

规格Claude Opus 4.6GPT-6 Astra
提供商AnthropicOpenAI
发布日期2026年2月5日2026年9月2日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Opus 4.6 (high)GPT-6 Astra (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$10.00 / $50.00 / $1.00

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 Astra (max)领先者
推理65.072.4GPT-6 Astra
编程62.273.2GPT-6 Astra
智能体与工具–63.9无法比较
数学63.470.8GPT-6 Astra
知识–72.3无法比较
人类偏好69.866.2Claude Opus 4.6
多模态66.765.6Claude Opus 4.6
长上下文–65.0无法比较
综合–71.3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: 69.8GPT-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 数学: 70.8GPT-6 Astra, 多模态: 65.6GPT-6 Astra, 人类偏好: 66.2

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 22 项基准测试中,Claude Opus 4.6 领先 9 项,GPT-6 Astra 领先 13 项。第三方来源看法不一:Claude Opus 4.6 在 Arena Text 上领先;GPT-6 Astra 在 BenchLeader Index 上领先。

综合 IndexClaude Opus 4.6 (high)GPT-6 Astra (max)领先者
BenchLeader Index62.567.3GPT-6 Astra
Arena Text15031474Claude 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 Astra (max)
每百万 token 混合价格$10.00$20.00
每百万 token 输入 / 输出$5.00 / $25.00$10.00 / $50.00
每百万 token 缓存输入$0.500$1.00
每项任务价格:聊天回复$0.0095$0.019
每项任务价格:总结一份 30 页的报告$0.075$0.150
每项任务价格:代码编辑$0.068$0.135
每项任务价格:智能体编程会话$0.400$0.800
每项任务价格:结构化信息提取$0.015$0.030
智能体编程会话(输入大多命中缓存)$0.198$0.395
每项基准测试任务成本(AA Index)–$6.24
每项任务输出 token(AA Index)–52k
其中推理部分–36k
每项任务耗时(AA Index)–21 min
输出速度35 tok/s41 tok/s
首次回答时间1.1 秒198.4 秒
完整回答耗时(最近一次测量 2026年11月13日)–533.7 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)。GPT-6 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 216 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 Astra (max)
BenchLeader IndexBenchLeader62.567.3
编程得分BenchLeader62.273.2
人类偏好得分BenchLeader69.866.2
数学得分BenchLeader63.470.8
多模态得分BenchLeader66.765.6
推理得分BenchLeader65.072.4
智能体与工具得分BenchLeader–63.9
综合得分BenchLeader–71.3
知识得分BenchLeader–72.3
长上下文得分BenchLeader–65.0
混合价格(美元/百万 token)BenchLeader$10.00$20.00
输出速度BenchLeader35 tok/s41 tok/s
首次回答时间BenchLeader1.1 秒198.4 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.5%†95.8%
Humanity's Last ExamScale AI / CAIS19.0%†54.8%†
SimpleBenchSimpleBench67.6%†83.6%†
Arena Hard PromptsArena (LMArena)15301500
LiveBench 2.0 ReasoningLiveBench–92.7%
LiveBench 1.0 ReasoningLiveBench88.7%92.7%
GPQA Diamond (AA)Artificial Analysis84.0%†96.1%
Humanity's Last Exam (AA)Artificial Analysis19.1%†54.7%
HLE-Diamond (AA)Artificial Analysis–63.8%
GPQA Diamond (Vals)Vals AI89.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%97.5%
ARC-AGI-2ARC Prize69.2%95.0%
ARC-AGI-3ARC Prize0.5%†98.6%
CritPtArtificial Analysis2.8%†31.7%
CritPt v2 hard subset (AA)Artificial Analysis–70.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–60.6%†
Arena ExpertArena (LMArena)15441517
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†84.0%
CL-benchEpoch AI Benchmarking Hub20.7%†–
CL-bench LifeEpoch AI Benchmarking Hub17.0%–
LMCAEpoch AI Benchmarking Hub55.8%†64.1%†
DTBenchEpoch AI Benchmarking Hub91.2%†97.1%†
显示全部 216 项基准测试
指标发布方Claude Opus 4.6 (high)GPT-6 Astra (max)
推理
ForecastBenchForecastBench63.1%†66.6%†
BTF-3Epoch AI Benchmarking Hub–13.5%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†–
SciCodeSciCode–56.5%
WeirdMLWeirdML78.0%93.3%
FrontierCodeCognition26.6%†53.3%
GSO-BenchGSO-Bench41.2%79.4%†
Arena CodingArena (LMArena)15471548
Arena WebDevArena (LMArena)15471764
LiveBench 2.0 CodingLiveBench–87.5%
LiveBench 1.0 CodingLiveBench78.2%80.4%
LiveCodeBenchVals AI84.7%†–
IOIVals AI–100.0%
SWE-bench (Vals)Vals AI78.2%†–
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–67.7%
Code Migration v1.1Vals AI–80.6%
ProgramBenchVals AI–5.5%
SWE-bench MultimodalVals AI–43.3%
Vibe Code Bench 1-100Vals AI–27.6%
Vibe Code Bench v1.1Vals AI57.6%†89.6%
SWE-Bench Pro (private)Scale AI SEAL47.1%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†50.7%†
SWE Atlas v1.1Scale AI SEAL–69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–71.4%†
SWE-Bench Pro V2Scale AI SEAL–96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub33.3%†60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.2%
ALE-BenchEpoch AI Benchmarking Hub996.5†2951.3
AlgoTuneAlgoTune1.5–
FrontierSWEEpoch AI Benchmarking Hub–65.5%
WeirdML v3WeirdML–42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis–59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise–79.9%†
GameBench 2 OverallDuelLab GameBench 2–88.8†
GameBench 2 by reasoning settingDuelLab GameBench 2–94.3†
Design Arena WebsiteDesign Arena1283†1338
FrontierCode 1.1 (AA)Artificial Analysis–47.0%
FrontierCode 2.0 (AA)Artificial Analysis–42.4%
智能体与工具
Terminal-BenchTerminal-Bench79.8%†60.3%
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†20.8%†
APEX-AgentsMercor46.3%†64.7%†
Arena AgentArena (LMArena)–14.5
LiveBench Long AgenticLiveBench–75.6%
LiveBench BrowserLiveBench–91.3%
LiveBench Agentic CodingLiveBench49.0%57.3%
Terminal-Bench HardArtificial Analysis48.5%†–
τ²-Bench Telecom (AA)Artificial Analysis84.8%†–
Terminal-Bench 2.1 (Vals)Vals AI–87.3%
MCP AtlasScale AI SEAL76.8%†–
HiL-BenchScale AI SEAL38.3%†65.3%†
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–53.7%
GDPval-AA v2.1Artificial Analysis–1587
τ³-Banking (AA)Artificial Analysis–41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis–51.3%
APEX-Agents (AA)Artificial Analysis33.0%†–
CUA-benchVals AI–19.2%
CyberBenchVals AI–41.1%
Finance Agent v2Vals AI–53.5%
Finance Agent v2.1Vals AI–60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI–7.1%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI–39.4%
Robo-benchVals AI–23.3%
SREBenchVals AI–56.9%
Tax Agent BenchVals AI–20.7%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Terminal-Bench 4.0 (Vals)Vals AI–59.6%
Terminal-Bench ScienceVals AI–62.9%
Time Horizon Index: KSPVals AI–90.5%
Arena SearchArena (LMArena)1222†1245
Arena Agent Task CompletionArena (LMArena)–14
BALROGBALROG–68.3%
DeepResearch BenchDeepResearch Bench55.3%–
PostTrainBenchEpoch AI Benchmarking Hub–41.9%
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†–
Vending-Bench 2Andon Labs8017.6†15514.7†
SpireClimbEpoch AI Benchmarking Hub–34.0%
AutomationBenchArtificial Analysis–68.5%
GDP.pdf (AA)Artificial Analysis–31.0%
Harvey LAB-AA v1.1Harvey–8.6%
AA-Briefcase v1.1Artificial Analysis–1569
GDPxGDPx by SemiAnalysis–9.6%
Design Arena AgenticDesign Arena1196†1405
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–63.3%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–36.9%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis–50.2%
FACTS SearchGoogle–93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†100.0%
ProofBenchVals AI50.0%†99.0%†
LiveBench MathematicsLiveBench89.3%96.8%
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%–
Arena MathsArena (LMArena)15161481
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†75.6%
LiveBench 2.0 Data AnalysisLiveBench–83.0%
LiveBench ResearchLiveBench–90.6%
LiveBench 1.0 Data AnalysisLiveBench69.9%83.0%
AA-Omniscience v1.1Artificial Analysis–42.4
MMLU-ProVals AI89.1%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI76.0%†–
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†47.5%†
PRBench LegalScale AI SEAL52.3%†48.4%†
MultiNRCScale AI SEAL48.3%†–
BioMysteryBenchVals AI–79.3%
CaseLaw v2Vals AI62.1%†–
Excel Modeling BenchmarkVals AI–71.7%
Excel Modeling Benchmark v1.1Vals AI–72.7%
MedCodeVals AI49.1%†48.5%
MedScribeVals AI86.7%†87.9%
Financial Coaching BenchVals AI–67.5%
Immigration BenchVals AI–67.7%
DrugDiscoveryBenchScale AI SEAL27.7%†68.7%
EBR-benchEpoch AI Benchmarking Hub12.7%†76.2%
GDP.pdfEpoch AI Benchmarking Hub–34.2%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–50.2%
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
HealthBench Professional (AA)OpenAI–66.0%
FACTS ParametricGoogle–83.8%†
指令遵循
LiveBench LanguageLiveBench83.3%89.4%
LiveBench Instruction FollowingLiveBench63.3%75.6%
IFBenchArtificial Analysis44.6%†–
MultiChallengeScale AI SEAL56.0%†–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)15111474
人类偏好
Arena TextArena (LMArena)15031474
EQ-Bench 4EQ-Bench1210†–
EQ-Bench Creative Writing v3EQ-Bench1810†2177†
Arena Creative WritingArena (LMArena)14991451
Arena Multi-turnArena (LMArena)15171483
Arena Longer QueriesArena (LMArena)15221485
多模态
Arena VisionArena (LMArena)13161279
LiveBench DesignLiveBench–80.0%
MMMU-ProArtificial Analysis72.5%†86.9%
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†–
MortgageTaxVals AI68.5%†–
Humanity's Sixth SenseScale AI SEAL–53.6%
VTBScale AI SEAL27.5%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub–49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†80.0%
VIALS-AAHandshake AI–62.7%
Code2Video-AAArtificial Analysis–1427
AA-3DArtificial Analysis–1168
FACTS MultimodalGoogle–55.2%†
长上下文
AA-LCR v1.1Artificial Analysis67.0%†80.7%
Arena DocumentArena (LMArena)14971474
MLCRArtificial Analysis–41.7%
FACTS GroundingGoogle–80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†169†
LiveBench 2.0LiveBench–84.5%
LiveBench 1.0LiveBench74.5%82.2%
AA Intelligence Index v5.0.1Artificial Analysis–56.9
AA Intelligence Index v4.3.2Artificial Analysis26.4†52.7
AA Progress Index v1Artificial Analysis274.5†349.6
Vals IndexVals AI–65.0
Vals Finance IndexVals AI–55.6%
Vals RSI IndexVals AI–27.1%
Vals Science IndexVals AI–65.1%
Vals Router IndexVals AI–65.0%†
Vals Legal IndexVals AI–68.4%
AA Cyber IndexArtificial Analysis–33.4
安全与诚实
FORTRESSScale AI SEAL20.5%†12.1%†
MASKScale AI SEAL96.3%†–
DistressBenchScale AI SEAL–74.3%†

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 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):1 项分数修订。
  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Astra (max):2 项分数修订。
  • GPT-6 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项分数修订。

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 Astra:常见问题

GPT-6 Astra 比 Claude Opus 4.6 更好吗?
质量上 GPT-6 Astra (max) 领先:67.3 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 Astra (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 Astra 哪个更便宜?价格会变吗?
目前 Claude Opus 4.6 更便宜:每百万 token $10.00 比 $20.00(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 Astra 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 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 Astra 为 1764。
Claude Opus 4.6 和 GPT-6 Astra 哪个更快?
GPT-6 Astra 输出更快(输出 41 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 Astra 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 198.4 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 Astra 的看法一致吗?
在两者都有结果的 22 项基准测试中,Claude Opus 4.6 领先 9 项,GPT-6 Astra 领先 13 项。第三方来源看法不一:Claude Opus 4.6 在 Arena Text 上领先;GPT-6 Astra 在 BenchLeader Index 上领先。
GPT-6 Astra 是什么时候发布的?
GPT-6 Astra 于 2026年9月2日 发布。