BenchLeader

Claude Opus 5.5 vs Claude Sonnet 5

完整资料:Claude Opus 5.5(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 12 个来源

截至 2026年11月16日,质量上 Claude Opus 5.5 领先 Claude Sonnet 5(BenchLeader Index 68.4 比 59.0)。不过,Claude Sonnet 5 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00)。在两者都有成绩的所有类别中,Claude Opus 5.5 均领先。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 的 BenchLeader Index 为 68.4,Claude Sonnet 5 为 59.0(BenchLeader,2026年11月16日)。
  • Claude Opus 5.5 每百万 token 混合价格为 $8.00(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)。
  • 在两者都有结果的 17 项基准测试中,Claude Opus 5.5 领先 17 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5.5 的评分为 1815,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 5.5类别得分 79 比 60;Arena WebDev 1815 比 1539高
智能体与工具调用Claude Opus 5.5类别得分 61 比 53;Arena Agent 19.5 比 2高
数学Claude Opus 5.5类别得分 73 比 65高
推理Claude Opus 5.5类别得分 72 比 65;Humanity's Last Exam (AA) 61.4% 比 35.7%中
长文档Claude Opus 5.5类别得分 67 比 63;AA-LCR v1.1 84.7% 比 76.7%中
图像及其他媒体Claude Opus 5.5类别得分 70 比 61高
对话质量(人类偏好)–只有 Claude Sonnet 5 有 Arena 评分(类别得分 65)无法比较
成本最低Claude Sonnet 5每百万 token 混合价格 $4.00 比 $8.00;智能体编程会话 $0.160 比 $0.320–
首次回答最快Claude Sonnet 5首个回答 token 15.8 秒(Claude Sonnet 5 (high))比 380.2 秒(Claude Opus 5.5 (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 5.5 (max) 领先:68.4 比 59.0。
  • Claude Opus 5.5 (max) 在智能体与工具、编程、长上下文、数学、多模态、推理方面更强。
  • Claude Sonnet 5 (high) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00)。

概览

规格Claude Opus 5.5Claude Sonnet 5
提供商AnthropicAnthropic
发布日期2026年9月22日2026年6月30日
上下文窗口(token)1,000,0001,000,000
最大输出(token)128,000 (up to 300K on the Message Batches API (beta))–
输入类型文本、图像–
推理强度设置low, medium, high, xhigh, max–
对比时的配置Claude Opus 5.5 (max)Claude Sonnet 5 (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$4.00 / $20.00 / $0.200$2.00 / $10.00 / $0.200
API 模型 IDclaude-opus-5-5–
使用渠道Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry–

上限、可用性和已公布的价格均来自厂商官方页面: platform.claude.com (2026年10月20日 核实)。其余内容均来自当日数据。

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 5.5 (max)Claude Sonnet 5 (high)领先者
推理72.165.4Claude Opus 5.5
编程78.859.9Claude Opus 5.5
智能体与工具61.352.9Claude Opus 5.5
数学73.265.3Claude Opus 5.5
知识72.5–无法比较
人类偏好–64.6无法比较
多模态70.260.9Claude Opus 5.5
长上下文67.162.9Claude Opus 5.5
综合70.2–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长上下文多模态Claude Opus 5.5, 推理: 72.1Claude Opus 5.5, 编程: 78.8Claude Opus 5.5, 智能体与工具: 61.3Claude Opus 5.5, 数学: 73.2Claude Opus 5.5, 长上下文: 67.1Claude Opus 5.5, 多模态: 70.2Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 智能体与工具: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 长上下文: 62.9Claude Sonnet 5, 多模态: 60.9

未绘制(测得的模型少于两个):知识, 指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 17 项基准测试中,Claude Opus 5.5 领先 17 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 5.5 更强。

综合 IndexClaude Opus 5.5 (max)Claude Sonnet 5 (high)领先者
BenchLeader Index68.459.0Claude Opus 5.5
Arena Text1507†1461Claude Opus 5.5

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 5.5 (max)Claude Sonnet 5 (high)
每百万 token 混合价格$8.00$4.00
每百万 token 输入 / 输出$4.00 / $20.00$2.00 / $10.00
每百万 token 缓存输入$0.200$0.200
每项任务价格:聊天回复$0.0076$0.0038
每项任务价格:总结一份 30 页的报告$0.060$0.030
每项任务价格:代码编辑$0.054$0.027
每项任务价格:智能体编程会话$0.320$0.160
每项任务价格:结构化信息提取$0.012$0.0060
智能体编程会话(输入大多命中缓存)$0.149$0.079
每项基准测试任务成本(AA Index)$10.04–
每项任务输出 token(AA Index)173k–
其中推理部分120k–
每项任务耗时(AA Index)25 min–
输出速度116 tok/s99 tok/s
首次回答时间380.2 秒15.8 秒
完整回答耗时(最近一次测量 2026年11月13日)711.4 秒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 5.5 (max) 得分 68.4,首个回答 token 需 380 秒;Claude Opus 5.5 (high) 为 66.0(26 秒),Claude Opus 5.5 (xhigh) 为 65.4(78 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 189 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 5.5 (max)Claude Sonnet 5 (high)
BenchLeader IndexBenchLeader68.459.0
智能体与工具得分BenchLeader61.352.9
编程得分BenchLeader78.859.9
综合得分BenchLeader70.2–
知识得分BenchLeader72.5–
长上下文得分BenchLeader67.162.9
数学得分BenchLeader73.265.3
多模态得分BenchLeader70.260.9
推理得分BenchLeader72.165.4
人类偏好得分BenchLeader–64.6
混合价格(美元/百万 token)BenchLeader$8.00$4.00
输出速度BenchLeader116 tok/s99 tok/s
首次回答时间BenchLeader380.2 秒15.8 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%80.3%†
SimpleBenchSimpleBench88.4%†60.6%†
Arena Hard PromptsArena (LMArena)1530†1490
LiveBench 2.0 ReasoningLiveBench92.2%–
LiveBench 1.0 ReasoningLiveBench92.2%88.7%†
GPQA Diamond (AA)Artificial Analysis–91.1%†
Humanity's Last Exam (AA)Artificial Analysis61.4%35.7%
HLE-Diamond (AA)Artificial Analysis67.9%–
GPQA Diamond (Vals)Vals AI–88.9%†
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize91.7%–
CritPtArtificial Analysis31.7%15.1%
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
MysteryMechanismVals AI49.5%–
HLE-Diamond (Scale)Scale AI SEAL55.0%†–
Arena ExpertArena (LMArena)1545†1509
Chess PuzzlesEpoch AI Benchmarking Hub67.0%45.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%16.0%†
LMCAEpoch AI Benchmarking Hub68.2%50.0%
DTBenchEpoch AI Benchmarking Hub98.9%84.5%
ForecastBenchForecastBench–63.1%†
BTF-3Epoch AI Benchmarking Hub–14.2%†
编程
SciCodeSciCode66.9%54.3%
WeirdMLWeirdML–68.8%
FrontierCodeCognition54.6%†42.7%†
显示全部 189 项基准测试
指标发布方Claude Opus 5.5 (max)Claude Sonnet 5 (high)
编程
GSO-BenchGSO-Bench–37.3%†
Arena CodingArena (LMArena)1548†1520
Arena WebDevArena (LMArena)18151539
LiveBench 2.0 CodingLiveBench87.1%–
LiveBench 1.0 CodingLiveBench89.3%80.7%†
LiveCodeBenchVals AI–82.4%†
IOIVals AI95.1%45.0%†
SWE-bench (Vals)Vals AI–79.6%†
Code MigrationVals AI66.7%44.4%†
Code Migration v1.1Vals AI81.0%–
ProgramBenchVals AI18.5%0.0%†
SWE-bench MultimodalVals AI70.2%–
Vibe Code Bench 1-100Vals AI30.4%†13.8%†
Vibe Code Bench v1.1Vals AI90.3%81.3%†
Vibe Code Bench 1-100 v1.1Vals AI30.9%–
SWE Atlas v1.1Scale AI SEAL77.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL77.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL77.1%†–
SWE-Bench Pro V2Scale AI SEAL–93.2%†
SWE-Bench Pro V2 HARDScale AI SEAL–88.2%†
MirrorCodeEpoch AI Benchmarking Hub95.6%63.3%†
Surface Evolver BenchEpoch AI Benchmarking Hub–60.0%†
DeepSWE v1.1Epoch AI Benchmarking Hub–48.2%
CursorBenchCursor57.8%30.8%
ALE-BenchEpoch AI Benchmarking Hub2147.4†1463.1
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%5.0%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.5%†
Startrise FrontendStartrise80.2%†66.6%†
GameBench 2 OverallDuelLab GameBench 287.6†46.6†
GameBench 2 by reasoning settingDuelLab GameBench 294.8†54.4†
Design Arena WebsiteDesign Arena1326†1268†
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%17.8%†
智能体与工具
Terminal-BenchTerminal-Bench65.8%12.1%†
Remote Labor IndexScale AI / CAIS21.3%†–
APEX-AgentsMercor73.5%54.5%†
Arena AgentArena (LMArena)19.52
LiveBench Long AgenticLiveBench72.8%–
LiveBench BrowserLiveBench88.4%–
LiveBench Agentic CodingLiveBench71.7%59.4%†
Terminal-Bench 2.1 (Vals)Vals AI87.6%†74.5%†
MCP AtlasScale AI SEAL85.4%†–
HiL-BenchScale AI SEAL59.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%–
GDPval-AA v2.1Artificial Analysis18661262
τ³-Banking (AA)Artificial Analysis–37.3%†
ITBench SRE (AA)Artificial Analysis38.2%–
Analyst Agent (AA)Artificial Analysis56.3%46.3%†
CUA-benchVals AI14.0%–
CyberBenchVals AI55.4%61.9%†
Finance Agent v2Vals AI58.6%53.9%†
Finance Agent v2.1Vals AI67.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%5.0%†
Legal Research BenchVals AI50.5%41.8%†
Robo-benchVals AI14.6%–
SkillsBenchVals AI–46.5%†
SREBenchVals AI33.6%0.4%†
Tax Agent BenchVals AI44.5%29.4%†
Terminal-Bench 4.0 (Vals)Vals AI65.2%10.6%†
Terminal-Bench ScienceVals AI47.1%5.7%†
Time Horizon Index: KSPVals AI91.3%–
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†1191†
Arena Agent Task CompletionArena (LMArena)20.7-0.6
PostTrainBenchEpoch AI Benchmarking Hub43.8%–
GBAEvalEpoch AI Benchmarking Hub–65.3%†
Vending-Bench 2Andon Labs9235.3†6377.7†
SpireClimbEpoch AI Benchmarking Hub5.8%–
AutomationBenchArtificial Analysis69.5%32.1%
GDP.pdf (AA)Artificial Analysis26.2%9.4%
Harvey LAB-AA v1.1Harvey4.2%–
EnterpriseOps-GymArtificial Analysis–44.7%†
AA-Briefcase v1.1Artificial Analysis18011177
GDPxGDPx by SemiAnalysis12.0%–
Design Arena AgenticDesign Arena1339†1222†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis59.0%–
CWE-Bench (AA)Artificial Analysis58.3%–
DeepSec-Bench (AA)Artificial Analysis26.9%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
MKA (AA)Artificial Analysis53.0%–
FACTS SearchGoogle88.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%65.6%†
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%29.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%80.0%†
ProofBenchVals AI100.0%77.0%†
LiveBench MathematicsLiveBench97.1%92.9%†
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Arena MathsArena (LMArena)1514†1472
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%33.7%†
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.9%–
LiveBench 1.0 Data AnalysisLiveBench80.3%71.7%†
AA-Omniscience v1.1Artificial Analysis48.1–
MMLU-ProVals AI–87.5%†
LegalBenchVals AI–83.9%†
CorpFinVals AI–67.0%†
TaxEvalVals AI–75.6%†
PRBench LegalScale AI SEAL47.6%†–
BioMysteryBenchVals AI79.3%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%66.3%†
Excel Modeling Benchmark v1.1Vals AI75.8%–
MedCodeVals AI49.8%47.5%†
MedScribeVals AI91.4%76.0%†
Public Benefits Bench v1.1Vals AI70.6%66.0%†
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%–
Immigration BenchVals AI72.1%–
DrugDiscoveryBenchScale AI SEAL–50.0%†
EBR-benchEpoch AI Benchmarking Hub71.4%–
GDP.pdfEpoch AI Benchmarking Hub30.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%–
HealthBench Professional (AA)OpenAI59.9%–
FACTS ParametricGoogle58.7%†20.5%†
指令遵循
LiveBench LanguageLiveBench86.3%75.0%†
LiveBench Instruction FollowingLiveBench65.7%63.9%†
Arena Instruction FollowingArena (LMArena)1518†1467
人类偏好
Arena TextArena (LMArena)1507†1461
EQ-Bench 4EQ-Bench1340†1221†
EQ-Bench Creative Writing v3EQ-Bench2051†1798†
Arena Creative WritingArena (LMArena)1517†1434
Arena Multi-turnArena (LMArena)1502†1473
Arena Longer QueriesArena (LMArena)1520†1481
多模态
Arena VisionArena (LMArena)1324†1272
LiveBench DesignLiveBench83.3%–
MMMU-ProArtificial Analysis87.7%77.3%†
MMMU-Pro (Vals)Vals AI–83.0%†
MortgageTaxVals AI–70.0%†
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†24.8%†
GeoBenchGeoBench–74.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†24.9%†
Furniture AssemblyEpoch AI Benchmarking Hub83.3%–
VIALS-AAHandshake AI61.5%–
Code2Video-AAArtificial Analysis1536–
AA-3DArtificial Analysis1202–
FACTS MultimodalGoogle56.4%†–
长上下文
AA-LCR v1.1Artificial Analysis84.7%76.7%
Arena DocumentArena (LMArena)–1469
MLCRArtificial Analysis27.8%4.4%
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†156.9†
LiveBench 2.0LiveBench83.4%–
LiveBench 1.0LiveBench83.2%76.0%†
AA Intelligence Index v5.0.1Artificial Analysis59.1–
AA Intelligence Index v4.3.2Artificial Analysis57.631.7
AA Progress Index v1Artificial Analysis350296.8
Vals IndexVals AI70.1–
Vals Finance IndexVals AI65.3%–
Vals RSI IndexVals AI37.3%–
Vals Science IndexVals AI58.6%–
Vals Multimodal IndexVals AI–68.8%†
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%–
AA Cyber IndexArtificial Analysis28.7–
安全与诚实
FORTRESSScale AI SEAL5.8%–
DistressBenchScale AI SEAL75.6%†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 Opus 5.5 (max):38 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • Claude Opus 5.5 (max):BenchLeader Index 69.3 → 68.8。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Sonnet 5 (high):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 5.5 vs Claude Sonnet 5:常见问题

Claude Opus 5.5 比 Claude Sonnet 5 更好吗?
质量上 Claude Opus 5.5 (max) 领先:68.4 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 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 5.5 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 $8.00(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 5.5 还是 Claude Sonnet 5 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 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 5.5 为 1815,Claude Sonnet 5 为 1539。
Claude Opus 5.5 和 Claude Sonnet 5 哪个更快?
Claude Opus 5.5 输出更快(输出 116 比 99 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5.5 还是 Claude Sonnet 5 更好?
Claude Opus 5.5 在智能体任务方面得分更高(类别得分 61 比 53,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Claude Opus 5.5 为 19.5,Claude Sonnet 5 为 2。
更多问题(4)
处理长文档哪个更好?
Claude Opus 5.5 在长上下文基准测试上得分更高(67 比 63)。两者都支持 1,000,000 token 的上下文。
哪个延迟更低?
Claude Sonnet 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.8 秒比 380.2 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 5.5 和 Claude Sonnet 5 的看法一致吗?
在两者都有结果的 17 项基准测试中,Claude Opus 5.5 领先 17 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 5.5 更强。
Claude Opus 5.5 是什么时候发布的?
Claude Opus 5.5 于 2026年9月22日 发布。