BenchLeader

Claude Opus 5.5 vs GPT-5

完整资料:Claude Opus 5.5(Anthropic)和 GPT-5(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 15 个来源

截至 2026年11月16日,质量上 Claude Opus 5.5 领先 GPT-5(BenchLeader Index 68.4 比 59.0)。不过,GPT-5 更便宜,对方的价格是它的 2.3 倍(每百万 token 混合价格 $3.44 比 $8.00)。看重推理(72 比 48)、编程(79 比 57)和多模态(70 比 57)选 Claude Opus 5.5;看重长上下文(70 比 67)选 GPT-5。GPT-5 的首次回答更快(22.9 秒 比 380.2 秒)。Claude Opus 5.5 的输出更快。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 的 BenchLeader Index 为 68.4,GPT-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)。
  • GPT-5 每百万 token 混合价格为 $3.44(标价,2026年11月16日)。
  • Claude Opus 5.5 比 GPT-5 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 13 项基准测试中,Claude Opus 5.5 领先 13 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5.5 的评分为 1815,GPT-5 为 1417(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 57;Arena WebDev 1815 比 1417高
智能体与工具调用Claude Opus 5.5类别得分 61 比 58;Terminal-Bench 65.8% 比 49.6%中
数学Claude Opus 5.5类别得分 73 比 65;OTIS Mock AIME 100.0% 比 87.2%高
推理Claude Opus 5.5类别得分 72 比 48;GPQA Diamond 90.6% 比 85.3%高
长文档GPT-5类别得分 70 比 67;AA-LCR v1.1 76.0% 比 84.7%中
图像及其他媒体Claude Opus 5.5类别得分 70 比 57;MMMU-Pro 87.7% 比 74.3%高
成本最低GPT-5每百万 token 混合价格 $3.44 比 $8.00;智能体编程会话 $0.115 比 $0.320–
首次回答最快GPT-5首个回答 token 22.9 秒(GPT-5 (medium))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、数学、多模态、推理方面更强。
  • GPT-5 (medium) 在长上下文方面更强。
  • GPT-5 (medium) 更便宜,对方的价格是它的 2.3 倍(每百万 token 混合价格 $3.44 比 $8.00)。
  • Claude Opus 5.5 (max) 的输出速度是对方的 1.4 倍(116 比 82 token/秒)。

概览

规格Claude Opus 5.5GPT-5
提供商AnthropicOpenAI
发布日期2026年9月22日2025年8月7日
上下文窗口(token)1,000,000400,000
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)GPT-5 (medium)
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$1.25 / $10.00 / $0.125
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)GPT-5 (medium)领先者
推理72.147.9Claude Opus 5.5
编程78.857.4Claude Opus 5.5
智能体与工具61.358.1Claude Opus 5.5
数学73.265.4Claude Opus 5.5
知识72.5–无法比较
指令遵循–69.4无法比较
多模态70.256.6Claude Opus 5.5
长上下文67.170.4GPT-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: 70.2GPT-5, 推理: 47.9GPT-5, 编程: 57.4GPT-5, 智能体与工具: 58.1GPT-5, 数学: 65.4GPT-5, 长上下文: 70.4GPT-5, 多模态: 56.6

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 13 项基准测试中,Claude Opus 5.5 领先 13 项,GPT-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)GPT-5 (medium)领先者
BenchLeader Index68.459.0Claude Opus 5.5
Arena Text1507†1435Claude 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)GPT-5 (medium)
每百万 token 混合价格$8.00$3.44
每百万 token 输入 / 输出$4.00 / $20.00$1.25 / $10.00
每百万 token 缓存输入$0.200$0.125
每项任务价格:聊天回复$0.0076$0.0035
每项任务价格:总结一份 30 页的报告$0.060$0.021
每项任务价格:代码编辑$0.054$0.022
每项任务价格:智能体编程会话$0.320$0.115
每项任务价格:结构化信息提取$0.012$0.0045
智能体编程会话(输入大多命中缓存)$0.149$0.064
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/s82 tok/s
首次回答时间380.2 秒22.9 秒
完整回答耗时(最近一次测量 2026年11月13日)711.4 秒66.2 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)。GPT-5 (medium) 得分 59.0,首个回答 token 需 23 秒;GPT-5 (high) 为 58.2(49 秒),GPT-5 为 56.6(5 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 228 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)GPT-5 (medium)
BenchLeader IndexBenchLeader68.459.0
智能体与工具得分BenchLeader61.358.1
编程得分BenchLeader78.857.4
综合得分BenchLeader70.2–
知识得分BenchLeader72.5–
长上下文得分BenchLeader67.170.4
数学得分BenchLeader73.265.4
多模态得分BenchLeader70.256.6
推理得分BenchLeader72.147.9
指令遵循得分BenchLeader–69.4
混合价格(美元/百万 token)BenchLeader$8.00$3.44
输出速度BenchLeader116 tok/s82 tok/s
首次回答时间BenchLeader380.2 秒22.9 秒
上下文窗口BenchLeader1,000,000 token400,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%85.3%
Humanity's Last ExamScale AI / CAIS–25.3%†
SimpleBenchSimpleBench88.4%†56.7%†
Arena Hard PromptsArena (LMArena)1530†1449†
LiveBench 2.0 ReasoningLiveBench92.2%–
LiveBench 1.0 ReasoningLiveBench92.2%–
GPQA Diamond (AA)Artificial Analysis–84.2%
Humanity's Last Exam (AA)Artificial Analysis61.4%25.4%
HLE-Diamond (AA)Artificial Analysis67.9%–
GPQA Diamond (Vals)Vals AI–85.6%†
Kagi LLM BenchmarkKagi LLM Benchmark–72.7%†
GPQA Diamond (HELM)HELM Capabilities–79.1%†
ARC-AGI-1ARC Prize97.5%56.2%
ARC-AGI-2ARC Prize91.7%7.5%
CritPtArtificial Analysis31.7%0.0%
CritPt v2 hard subset (AA)Artificial Analysis68.0%11.5%†
MysteryMechanismVals AI49.5%–
HLE-Diamond (Scale)Scale AI SEAL55.0%†–
Arena ExpertArena (LMArena)1545†1445†
Chess PuzzlesEpoch AI Benchmarking Hub67.0%32.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%15.0%
LMCAEpoch AI Benchmarking Hub68.2%40.0%†
DTBenchEpoch AI Benchmarking Hub98.9%90.7%†
ForecastBenchForecastBench–65.0%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–71.5%
显示全部 228 项基准测试
指标发布方Claude Opus 5.5 (max)GPT-5 (medium)
编程
SciCodeSciCode66.9%42.9%†
WeirdMLWeirdML–39.8%†
FrontierCodeCognition54.6%†–
GSO-BenchGSO-Bench–6.9%†
Arena CodingArena (LMArena)1548†1462†
Arena WebDevArena (LMArena)18151417
LiveBench 2.0 CodingLiveBench87.1%–
LiveBench 1.0 CodingLiveBench89.3%–
SciCode (AA)Artificial Analysis66.9%–
LiveCodeBenchVals AI–85.9%†
IOIVals AI95.1%–
SWE-bench (Vals)Vals AI–69.0%†
SWE-Bench ProScale AI SEAL–41.8%†
Aider PolyglotAider polyglot leaderboard–86.7%
SWE-bench Verified (bash only)SWE-bench–65.0%
SWE-bench Verified (any scaffold)SWE-bench–74.4%†
Code MigrationVals AI66.7%–
Code Migration v1.1Vals AI81.0%–
ProgramBenchVals AI18.5%–
SWE-bench MultimodalVals AI70.2%–
Vibe Code Bench 1-100Vals AI30.4%†–
Vibe Code Bench v1.1Vals AI90.3%20.1%†
Vibe Code Bench 1-100 v1.1Vals AI30.9%–
SWE-Bench Pro (private)Scale AI SEAL–14.9%†
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%†–
MirrorCodeEpoch AI Benchmarking Hub95.6%4.4%†
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†1162.5†
AlgoTuneAlgoTune–1.7†
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis–35.2%†
Startrise FrontendStartrise80.2%†–
GameBench 2 OverallDuelLab GameBench 287.6†–
GameBench 2 by reasoning settingDuelLab GameBench 294.8†38.0
Design Arena WebsiteDesign Arena1326†1174†
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%–
LiveCodeBench (AA)Artificial Analysis–70.3%
智能体与工具
Terminal-BenchTerminal-Bench65.8%49.6%
GDPvalOpenAI–34.8%
Remote Labor IndexScale AI / CAIS21.3%†1.7%†
APEX-AgentsMercor73.5%–
Arena AgentArena (LMArena)19.5–
LiveBench Long AgenticLiveBench72.8%–
LiveBench BrowserLiveBench88.4%–
LiveBench Agentic CodingLiveBench71.7%–
Terminal-Bench HardArtificial Analysis–37.9%
τ²-Bench Telecom (AA)Artificial Analysis–86.5%
Terminal-Bench 2.1 (Vals)Vals AI87.6%†–
MCP AtlasScale AI SEAL85.4%†–
HiL-BenchScale AI SEAL59.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%–
GDPval-AA v2.1Artificial Analysis1866925†
τ³-Banking (AA)Artificial Analysis–22.1%†
ITBench SRE (AA)Artificial Analysis38.2%–
Analyst Agent (AA)Artificial Analysis56.3%–
CUA-benchVals AI14.0%–
CyberBenchVals AI55.4%–
Finance Agent v2Vals AI58.6%–
Finance Agent v2.1Vals AI67.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%–
Legal Research BenchVals AI50.5%–
Poker AgentVals AI–1103.2%†
Robo-benchVals AI14.6%–
SREBenchVals AI33.6%–
Tax Agent BenchVals AI44.5%–
Terminal-Bench 2.0 (Vals)Vals AI–37.1%†
Terminal-Bench 4.0 (Vals)Vals AI65.2%–
Terminal-Bench ScienceVals AI47.1%–
Time Horizon Index: KSPVals AI91.3%–
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†1189†
Arena Agent Task CompletionArena (LMArena)20.7–
BALROGBALROG–32.8%†
DeepResearch BenchDeepResearch Bench–48.6%
PostTrainBenchEpoch AI Benchmarking Hub43.8%–
METR Time HorizonsMETR–69.6%
Vending-Bench 2Andon Labs9235.3†–
SpireClimbEpoch AI Benchmarking Hub5.8%–
AutomationBenchArtificial Analysis69.5%–
GDP.pdf (AA)Artificial Analysis26.2%–
Harvey LAB-AA v1.1Harvey4.2%–
AA-Briefcase v1.1Artificial Analysis1801–
GDPxGDPx by SemiAnalysis12.0%–
Design Arena AgenticDesign Arena1339†–
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%–
BrowseComp-PlusBrowseComp-Plus–57.6%†
BrowseCompOpenAI–20.1%†
DeepSearchQAGoogle–59.4%†
FACTS SearchGoogle88.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%55.4%†
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%21.9%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%87.2%
MATH Level 5Epoch AI Benchmarking Hub–97.9%
ProofBenchVals AI100.0%18.0%†
LiveBench MathematicsLiveBench97.1%–
AIME (Vals)Vals AI–93.4%†
MGSMVals AI–92.8%†
IMO 2025MathArena–38.1%†
MathArena ApexMathArena–1.0%†
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Omni-MATH (HELM)HELM Capabilities–64.7%†
MATH 500Vals AI–96.0%†
Arena MathsArena (LMArena)1514†1411†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
AIME 2025 (AA)Artificial Analysis–91.7%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%50.1%†
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.9%–
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis48.1–
MMLU-ProVals AI–86.5%†
LegalBenchVals AI–86.0%†
CorpFinVals AI–61.1%†
TaxEvalVals AI–73.4%†
MedQAVals AI–96.3%†
PRBench FinanceScale AI SEAL–51.3%†
PRBench LegalScale AI SEAL47.6%†49.0%†
MultiNRCScale AI SEAL–52.1%†
MMLU-Pro (HELM)HELM Capabilities–86.3%†
BioMysteryBenchVals AI79.3%–
CaseLaw v2Vals AI–66.5%†
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%–
Excel Modeling Benchmark v1.1Vals AI75.8%–
MedCodeVals AI49.8%49.6%†
MedScribeVals AI91.4%83.7%†
Public Benefits Bench v1.1Vals AI70.6%–
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%–
Immigration BenchVals AI72.1%–
EBR-benchEpoch AI Benchmarking Hub71.4%12.7%†
GDP.pdfEpoch AI Benchmarking Hub30.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%–
Global-MMLU-Lite (AA)Artificial Analysis–90.4%
HealthBench Professional (AA)OpenAI59.9%–
FACTS ParametricGoogle58.7%†–
指令遵循
LiveBench LanguageLiveBench86.3%–
LiveBench Instruction FollowingLiveBench65.7%–
IFBenchArtificial Analysis–70.6%
MultiChallengeScale AI SEAL–63.2%†
TutorBenchScale AI SEAL–55.3%†
IFEval (HELM)HELM Capabilities–87.5%†
WildBench (HELM)HELM Capabilities–85.7%†
Arena Instruction FollowingArena (LMArena)1518†1415†
人类偏好
Arena TextArena (LMArena)1507†1427†
EQ-Bench 4EQ-Bench1340†–
EQ-Bench Creative Writing v3EQ-Bench2051†1626†
Arena Creative WritingArena (LMArena)1517†1389†
Arena Multi-turnArena (LMArena)1502†1449†
Arena Longer QueriesArena (LMArena)1520†1435†
Lech Mazur Creative WritingLech Mazur–86.0%
多模态
Arena VisionArena (LMArena)1324†1232†
LiveBench DesignLiveBench83.3%–
MMMU-ProArtificial Analysis87.7%74.3%
VISTAScale AI SEAL–49.7%†
MMMU-Pro (Vals)Vals AI–81.5%†
MortgageTaxVals AI–65.5%†
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†–
VTBScale AI SEAL–17.0%†
GeoBenchGeoBench–81.0%
VPCTEpoch AI Benchmarking Hub–63.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub83.3%–
VIALS-AAHandshake AI61.5%–
Code2Video-AAArtificial Analysis1536–
AA-3DArtificial Analysis1202–
FACTS MultimodalGoogle56.4%†–
长上下文
Fiction.LiveBench 120kFiction.live–96.9%
AA-LCR v1.1Artificial Analysis84.7%76.0%
MLCRArtificial Analysis27.8%–
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†150†
LiveBench 2.0LiveBench83.4%–
LiveBench 1.0LiveBench83.2%–
AA Intelligence Index v5.0.1Artificial Analysis59.1–
AA Intelligence Index v4.3.2Artificial Analysis57.622.9
AA Progress Index v1Artificial Analysis350264.4
Vals IndexVals AI70.1–
HELM Capabilities meanHELM Capabilities–80.7%†
Vals Finance IndexVals AI65.3%–
Vals RSI IndexVals AI37.3%–
Vals Science IndexVals AI58.6%–
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%–
AA Cyber IndexArtificial Analysis28.7–
安全与诚实
FORTRESSScale AI SEAL5.8%17.0%†
MASKScale AI SEAL–79.3%†
DistressBenchScale AI SEAL75.6%†–
元数据
AA Openness IndexArtificial Analysis–5.6

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-5 (medium):BenchLeader Index 58.2 → 59.0。
  • Claude Opus 5.5 (max):38 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-5 (medium):1 项新结果(Aider Polyglot)。
  • GPT-5 (medium):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA));1 项分数修订。
  • 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。
  • GPT-5 (medium):1 项分数修订。
  • 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。

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 GPT-5:常见问题

Claude Opus 5.5 比 GPT-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 GPT-5 哪个更便宜?价格会变吗?
目前 GPT-5 更便宜:每百万 token $3.44 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 GPT-5 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 比 57,50 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,GPT-5 为 1417。
Claude Opus 5.5 和 GPT-5 哪个更快?
Claude Opus 5.5 输出更快(输出 116 比 82 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5.5 还是 GPT-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 58,50 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 5.5 为 65.8%,GPT-5 为 49.6%。
更多问题(4)
处理长文档哪个更好?
GPT-5 在长上下文基准测试上得分更高(70 比 67)。Claude Opus 5.5 支持更长的上下文:1,000,000 token,GPT-5 为 400,000 token。
哪个延迟更低?
GPT-5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 22.9 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 GPT-5 的看法一致吗?
在两者都有结果的 13 项基准测试中,Claude Opus 5.5 领先 13 项,GPT-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。