BenchLeader

Claude Opus 4.7 vs GPT-6 Sol

完整资料:Claude Opus 4.7(Anthropic)和 GPT-6 Sol(OpenAI),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,Claude Opus 4.7 与 GPT-6 Sol 的质量不相上下(BenchLeader Index 63.1 比 62.6,在 ±4.9 的误差范围内)。GPT-6 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)。看重智能体与工具(68 比 59)、多模态(67 比 61)和人类偏好(67 比 64)选 Claude Opus 4.7;看重编程(66 比 61)、推理(66 比 64)和数学(68 比 67)选 GPT-6 Sol。Claude Opus 4.7 的首次回答更快(1.0 秒 比 36.9 秒)。GPT-6 Sol 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,GPT-6 Sol 为 62.6(BenchLeader,2026年11月16日)。
  • Claude Opus 4.7 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • GPT-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-6 Sol 比 Claude Opus 4.7 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 15 项基准测试中,Claude Opus 4.7 领先 10 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.7 的评分为 1555,GPT-6 Sol 为 1673(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 Sol类别得分 66 比 61;Arena WebDev 1673 比 1555中
智能体与工具调用Claude Opus 4.7类别得分 68 比 59;Terminal-Bench 80.2% 比 50.3%高
数学GPT-6 Sol类别得分 68 比 67;Arena Maths 1440 比 1490中
推理GPT-6 Sol类别得分 66 比 64;Arena Hard Prompts 1483 比 1519中
图像及其他媒体Claude Opus 4.7类别得分 67 比 61;Arena Vision 1319 比 1233中
对话质量(人类偏好)Claude Opus 4.7Arena 投票 67 比 64中
成本最低GPT-6 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 4.7首个回答 token 1.0 秒(Claude Opus 4.7)比 36.9 秒(GPT-6 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

  • Claude Opus 4.7 与 GPT-6 Sol (max) 的质量不相上下(63.1 比 62.6,在 ±4.9 的误差范围内)。
  • Claude Opus 4.7 在智能体与工具、人类偏好、多模态方面更强。
  • GPT-6 Sol (max) 在编程、数学、推理方面更强。
  • GPT-6 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 Sol (max) 的输出速度是对方的 2.7 倍(127 比 48 token/秒)。

概览

规格Claude Opus 4.7GPT-6 Sol
提供商AnthropicOpenAI
发布日期2026年4月16日2026年9月22日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Opus 4.7GPT-6 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 / $0.200

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 4.7GPT-6 Sol (max)领先者
推理63.666.0GPT-6 Sol
编程60.966.3GPT-6 Sol
智能体与工具67.958.8Claude Opus 4.7
数学66.768.0GPT-6 Sol
知识–60.6无法比较
人类偏好67.364.2Claude Opus 4.7
多模态67.160.6Claude Opus 4.7
长上下文–66.6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推理编程智能体与工具数学多模态人类偏好Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 智能体与工具: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 多模态: 67.1Claude Opus 4.7, 人类偏好: 67.3GPT-6 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 多模态: 60.6GPT-6 Sol, 人类偏好: 64.2

未绘制(测得的模型少于两个):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 15 项基准测试中,Claude Opus 4.7 领先 10 项,GPT-6 Sol 领先 5 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。

综合 IndexClaude Opus 4.7GPT-6 Sol (max)领先者
BenchLeader Index63.162.6不相上下
Arena Text14941457Claude Opus 4.7

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 4.7GPT-6 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$0.200
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
每项基准测试任务成本(AA Index)–$2.47
每项任务输出 token(AA Index)–54k
其中推理部分–35k
每项任务耗时(AA Index)–7 min
输出速度48 tok/s127 tok/s
首次回答时间1.0 秒36.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–143.8 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 4.7 得分 63.1,首个回答 token 需 1 秒;Claude Opus 4.7 (high) 为 60.0(1 秒),Claude Opus 4.7 (max) 为 59.7(15 秒)。GPT-6 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 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 157 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 4.7GPT-6 Sol (max)
BenchLeader IndexBenchLeader63.162.6
智能体与工具得分BenchLeader67.958.8
编程得分BenchLeader60.966.3
人类偏好得分BenchLeader67.364.2
数学得分BenchLeader66.768.0
多模态得分BenchLeader67.160.6
推理得分BenchLeader63.666.0
知识得分BenchLeader–60.6
长上下文得分BenchLeader–66.6
混合价格(美元/百万 token)BenchLeader$10.00$4.00
输出速度BenchLeader48 tok/s127 tok/s
首次回答时间BenchLeader1.0 秒36.9 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†94.3%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%73.1%†
Arena Hard PromptsArena (LMArena)15191483
LiveBench 1.0 ReasoningLiveBench87.2%†88.7%
GPQA Diamond (AA)Artificial Analysis91.4%†–
Humanity's Last Exam (AA)Artificial Analysis42.3%†47.9%
HLE-Diamond (AA)Artificial Analysis–45.2%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-1ARC Prize–95.5%
ARC-AGI-2ARC Prize–89.6%
ARC-AGI-3ARC Prize0.2%†23.0%
CritPtArtificial Analysis12.0%†30.9%
CritPt v2 hard subset (AA)Artificial Analysis–66.5%
MysteryMechanismVals AI–30.2%
HLE-Diamond (Scale)Scale AI SEAL–33.8%†
Arena ExpertArena (LMArena)15341496
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%56.0%
LMCAEpoch AI Benchmarking Hub52.2%†59.1%
DTBenchEpoch AI Benchmarking Hub94.7%†97.3%
ForecastBenchForecastBench62.8%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†57.6%
显示全部 157 项基准测试
指标发布方Claude Opus 4.7GPT-6 Sol (max)
编程
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%49.3%
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471521
Arena WebDevArena (LMArena)15551673
LiveBench 1.0 CodingLiveBench82.1%†81.8%
SciCode (AA)Artificial Analysis–57.6%
LiveCodeBenchVals AI85.1%†–
IOIVals AI–82.6%
SWE-bench (Vals)Vals AI82.0%†–
Code MigrationVals AI43.9%†57.2%
ProgramBenchVals AI0.0%†2.0%
Vibe Code Bench v1.1Vals AI71.0%†87.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%–
MirrorCodeEpoch AI Benchmarking Hub31.1%†48.9%
ALE-BenchEpoch AI Benchmarking Hub1323.02462
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis–43.9%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†–
GameBench 2 OverallDuelLab GameBench 2–73.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–79.4†
Design Arena WebsiteDesign Arena–1290†
FrontierCode 2.0 (AA)Artificial Analysis–35.6%
智能体与工具
Terminal-BenchTerminal-Bench80.2%50.3%
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†54.3%
Arena AgentArena (LMArena)–6.9
LiveBench Agentic CodingLiveBench50.7%†52.9%
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†83.2%
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%–
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1Artificial Analysis1361†1514
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†49.4%
Analyst Agent (AA)Artificial Analysis43.8%†–
CyberBenchVals AI–78.0%
Finance Agent v2Vals AI51.5%†49.0%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†1.7%
Legal Research BenchVals AI38.5%†28.9%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI23.7%†15.0%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–44.4%
Terminal-Bench ScienceVals AI–30.0%
Arena SearchArena (LMArena)12101229
Arena Agent Task CompletionArena (LMArena)–4.5
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.814427.9†
SpireClimbEpoch AI Benchmarking Hub–9.2%
AutomationBenchArtificial Analysis–61.6%
GDP.pdf (AA)Artificial Analysis–25.2%
Harvey LAB-AA v1.1Harvey–3.6%
AA-Briefcase v1.1Artificial Analysis1252†1476
Design Arena AgenticDesign Arena–1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–30.0%
CWE-Bench (AA)Artificial Analysis–64.2%
DeepSec-Bench (AA)Artificial Analysis–46.3%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†100.0%
ProofBenchVals AI54.0%†83.0%†
LiveBench MathematicsLiveBench92.8%†96.4%
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901440
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†60.7%
LiveBench 1.0 Data AnalysisLiveBench78.3%†81.2%
AA-Omniscience v1.1Artificial Analysis–21.4
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
PRBench LegalScale AI SEAL–38.6%†
BioMysteryBenchVals AI–74.8%
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†71.5%
MedCodeVals AI54.9%†47.1%
MedScribeVals AI83.0%†82.0%
Public Benefits Bench v1.1Vals AI–56.6%
Financial Coaching BenchVals AI–62.6%
EBR-benchEpoch AI Benchmarking Hub19.1%†53.3%
GDP.pdfEpoch AI Benchmarking Hub21.0%†26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指令遵循
LiveBench LanguageLiveBench77.9%†85.3%
LiveBench Instruction FollowingLiveBench66.7%†68.6%
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931449
人类偏好
Arena TextArena (LMArena)14941457
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench19152126†
Arena Creative WritingArena (LMArena)14821428
Arena Multi-turnArena (LMArena)15141468
Arena Longer QueriesArena (LMArena)15081466
多模态
Arena VisionArena (LMArena)13191233
MMMU-ProArtificial Analysis78.8%†83.0%
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
Humanity's Sixth SenseScale AI SEAL–31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†58.3%
AA-3DArtificial Analysis–1131
FACTS MultimodalGoogle–43.9%†
长上下文
AA-LCR v1.1Artificial Analysis78.7%†83.7%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–33.9%
FACTS GroundingGoogle–83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4163.8†
LiveBench 1.0LiveBench76.5%†79.3%
AA Intelligence Index v5.0.1Artificial Analysis–44.2
AA Intelligence Index v4.3.2Artificial Analysis40.7†47.6
AA Progress Index v1Artificial Analysis312.5†334
Vals RSI IndexVals AI19.1%†28.1%
Vals Science IndexVals AI–45.0%
Vals Multimodal IndexVals AI67.4%†–
AA Cyber IndexArtificial Analysis–36.8
安全与诚实
FORTRESSScale AI SEAL–13.5%†
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

  • GPT-6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • Claude Opus 4.7:1 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):6 项新结果(AA Intelligence Index v5.0.1, AA-Omniscience v1.1, CritPt v2 hard subset (AA)…)。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):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 4.7 vs GPT-6 Sol:常见问题

Claude Opus 4.7 比 GPT-6 Sol 更好吗?
Claude Opus 4.7 与 GPT-6 Sol (max) 的质量不相上下(63.1 比 62.6,在 ±4.9 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 4.7 和 GPT-6 Sol 哪个更便宜?价格会变吗?
目前 GPT-6 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 4.7 还是 GPT-6 Sol 更好?
GPT-6 Sol 在编程方面得分更高(类别得分 66 比 61,50 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 4.7 为 1555,GPT-6 Sol 为 1673。
Claude Opus 4.7 和 GPT-6 Sol 哪个更快?
GPT-6 Sol 输出更快(约 2 倍;输出 127 比 48 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 4.7 还是 GPT-6 Sol 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 比 59,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 4.7 为 80.2%,GPT-6 Sol 为 50.3%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1.1M token(Claude Opus 4.7 为 1,000,000,GPT-6 Sol 为 1,050,000)。
哪个延迟更低?
Claude Opus 4.7 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.0 秒比 36.9 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 4.7 和 GPT-6 Sol 的看法一致吗?
在两者都有结果的 15 项基准测试中,Claude Opus 4.7 领先 10 项,GPT-6 Sol 领先 5 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。
GPT-6 Sol 是什么时候发布的?
GPT-6 Sol 于 2026年9月22日 发布。