BenchLeader

Claude Opus 5.5 vs GPT-5.5

完整资料:Claude Opus 5.5(Anthropic)和 GPT-5.5(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-5.5(BenchLeader Index 68.4 比 64.1)。Claude Opus 5.5 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $8.00 比 $11.25)。在两者都有成绩的所有类别中,Claude Opus 5.5 均领先。Claude Opus 5.5 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 的 BenchLeader Index 为 68.4,GPT-5.5 为 64.1(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-5.5 每百万 token 混合价格为 $11.25(标价,2026年11月16日)。
  • Claude Opus 5.5 比 GPT-5.5 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 55 项基准测试中,Claude Opus 5.5 领先 49 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5.5 的评分为 1815,GPT-5.5 为 1512(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 61;Arena WebDev 1815 比 1512高
智能体与工具调用均可类别得分 61 比 62;LiveBench Agentic Coding 71.7% 比 54.0%均可
数学Claude Opus 5.5类别得分 73 比 69;FrontierMath Tiers 1–3 91.2% 比 85.3%中
推理Claude Opus 5.5类别得分 72 比 68;ARC-AGI-2 91.7% 比 85.0%中
知识Claude Opus 5.5类别得分 73 比 64;SimpleQA Verified 72.2% 比 63.0%高
长文档均可类别得分 67 比 67;AA-LCR v1.1 84.7% 比 84.3%均可
图像及其他媒体Claude Opus 5.5类别得分 70 比 62;MMMU-Pro 87.7% 比 79.9%高
成本最低Claude Opus 5.5每百万 token 混合价格 $8.00 比 $11.25;智能体编程会话 $0.320 比 $0.420–
首次回答最快GPT-5.5首个回答 token 38.3 秒(GPT-5.5 (xhigh))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 64.1。
  • Claude Opus 5.5 (max) 在编程、知识、长上下文、数学、多模态、推理方面更强。
  • GPT-5.5 (xhigh) 在智能体与工具方面更强。
  • Claude Opus 5.5 (max) 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $8.00 比 $11.25)。
  • Claude Opus 5.5 (max) 的输出速度是对方的 1.4 倍(116 比 81 token/秒)。

概览

规格Claude Opus 5.5GPT-5.5
提供商AnthropicOpenAI
发布日期2026年9月22日2026年4月23日
上下文窗口(token)1,000,0001,050,000
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-5.5 (xhigh)
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$5.00 / $30.00 / $0.500
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-5.5 (xhigh)领先者
推理72.168.1Claude Opus 5.5
编程78.860.7Claude Opus 5.5
智能体与工具61.361.8持平
数学73.269.3Claude Opus 5.5
知识72.563.6Claude Opus 5.5
指令遵循–74.0无法比较
多模态70.262.3Claude Opus 5.5
长上下文67.166.9持平
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知识长上下文多模态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, 知识: 72.5Claude Opus 5.5, 长上下文: 67.1Claude Opus 5.5, 多模态: 70.2GPT-5.5, 推理: 68.1GPT-5.5, 编程: 60.7GPT-5.5, 智能体与工具: 61.8GPT-5.5, 数学: 69.3GPT-5.5, 知识: 63.6GPT-5.5, 长上下文: 66.9GPT-5.5, 多模态: 62.3

未绘制(测得的模型少于两个):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 55 项基准测试中,Claude Opus 5.5 领先 49 项,GPT-5.5 领先 5 项,1 项持平。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-5.5 (xhigh)领先者
BenchLeader Index68.464.1Claude Opus 5.5
Arena Text1507†1481Claude 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-5.5 (xhigh)
每百万 token 混合价格$8.00$11.25
每百万 token 输入 / 输出$4.00 / $20.00$5.00 / $30.00
每百万 token 缓存输入$0.200$0.500
每项任务价格:聊天回复$0.0076$0.011
每项任务价格:总结一份 30 页的报告$0.060$0.078
每项任务价格:代码编辑$0.054$0.075
每项任务价格:智能体编程会话$0.320$0.420
每项任务价格:结构化信息提取$0.012$0.016
智能体编程会话(输入大多命中缓存)$0.149$0.217
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/s81 tok/s
首次回答时间380.2 秒38.3 秒
完整回答耗时(最近一次测量 2026年11月13日)711.4 秒104.3 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-5.5 (xhigh) 得分 64.1,首个回答 token 需 38 秒;GPT-5.5 (high) 为 63.5(16 秒),GPT-5.5 为 61.0(3 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 207 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-5.5 (xhigh)
BenchLeader IndexBenchLeader68.464.1
智能体与工具得分BenchLeader61.361.8
编程得分BenchLeader78.860.7
综合得分BenchLeader70.2–
知识得分BenchLeader72.563.6
长上下文得分BenchLeader67.166.9
数学得分BenchLeader73.269.3
多模态得分BenchLeader70.262.3
推理得分BenchLeader72.168.1
指令遵循得分BenchLeader–74.0
混合价格(美元/百万 token)BenchLeader$8.00$11.25
输出速度BenchLeader116 tok/s81 tok/s
首次回答时间BenchLeader380.2 秒38.3 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%90.7%†
SimpleBenchSimpleBench88.4%†69.0%†
Arena Hard PromptsArena (LMArena)1530†1499†
LiveBench 2.0 ReasoningLiveBench92.2%–
LiveBench 1.0 ReasoningLiveBench92.2%89.7%
GPQA Diamond (AA)Artificial Analysis–93.5%
Humanity's Last Exam (AA)Artificial Analysis61.4%45.8%
HLE-Diamond (AA)Artificial Analysis67.9%–
GPQA Diamond (Vals)Vals AI–93.2%
Kagi LLM BenchmarkKagi LLM Benchmark–88.8%†
ARC-AGI-1ARC Prize97.5%95.0%
ARC-AGI-2ARC Prize91.7%85.0%
ARC-AGI-3ARC Prize–0.4%†
CritPtArtificial Analysis31.7%27.1%
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
MysteryMechanismVals AI49.5%–
HLE-Diamond (Scale)Scale AI SEAL55.0%†–
Arena ExpertArena (LMArena)1545†1510†
Chess PuzzlesEpoch AI Benchmarking Hub67.0%63.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%56.0%
CL-bench LifeEpoch AI Benchmarking Hub–22.2%†
LMCAEpoch AI Benchmarking Hub68.2%54.3%
DTBenchEpoch AI Benchmarking Hub98.9%96.0%
ForecastBenchForecastBench–64.2%†
BTF-3Epoch AI Benchmarking Hub–14.3%†
显示全部 207 项基准测试
指标发布方Claude Opus 5.5 (max)GPT-5.5 (xhigh)
编程
SciCodeSciCode66.9%55.8%
WeirdMLWeirdML–84.9%
FrontierCodeCognition54.6%†43.0%†
GSO-BenchGSO-Bench–40.2%
Arena CodingArena (LMArena)1548†1510†
Arena WebDevArena (LMArena)18151512
LiveBench 2.0 CodingLiveBench87.1%–
LiveBench 1.0 CodingLiveBench89.3%82.2%
LiveCodeBenchVals AI–85.3%
IOIVals AI95.1%–
SWE-bench (Vals)Vals AI–82.6%
Code MigrationVals AI66.7%45.2%
Code Migration v1.1Vals AI81.0%–
ProgramBenchVals AI18.5%0.5%
SWE-bench MultimodalVals AI70.2%–
Vibe Code Bench 1-100Vals AI30.4%†–
Vibe Code Bench v1.1Vals AI90.3%69.8%
Vibe Code Bench 1-100 v1.1Vals AI30.9%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL–45.4%
SWE Atlas v1.0: RefactoringScale AI SEAL–44.8%
SWE Atlas v1.0: Test WritingScale AI SEAL–42.6%
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%23.3%
Surface Evolver BenchEpoch AI Benchmarking Hub–88.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–67.0%
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†1943.0
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%14.7%
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%
Startrise FrontendStartrise80.2%†–
GameBench 2 OverallDuelLab GameBench 287.6†49.2†
GameBench 2 by reasoning settingDuelLab GameBench 294.8†59.9
Design Arena WebsiteDesign Arena1326†1248†
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%–
智能体与工具
Terminal-BenchTerminal-Bench65.8%84.7%†
OSWorld-Verified 2.0OSWorld–13.0%
Remote Labor IndexScale AI / CAIS21.3%†6.3%†
APEX-AgentsMercor73.5%55.1%†
Arena AgentArena (LMArena)19.5–
LiveBench Long AgenticLiveBench72.8%–
LiveBench BrowserLiveBench88.4%–
LiveBench Agentic CodingLiveBench71.7%54.0%
Terminal-Bench HardArtificial Analysis–60.6%
τ²-Bench Telecom (AA)Artificial Analysis–93.9%
Terminal-Bench 2.1 (Vals)Vals AI87.6%†57.3%†
MCP AtlasScale AI SEAL85.4%†75.3%
HiL-BenchScale AI SEAL59.0%†39.7%†
τ³-bench Bankingτ²-bench–44.6%
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%–
GDPval-AA v2.1Artificial Analysis18661357
τ³-Banking (AA)Artificial Analysis–39.0%
ITBench SRE (AA)Artificial Analysis38.2%45.8%
Analyst Agent (AA)Artificial Analysis56.3%50.0%
APEX-Agents (AA)Artificial Analysis–37.7%
CUA-benchVals AI14.0%–
CyberBenchVals AI55.4%–
Finance Agent v2Vals AI58.6%51.8%
Finance Agent v2.1Vals AI67.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%3.8%
Legal Research BenchVals AI50.5%40.4%
Robo-benchVals AI14.6%–
SkillsBenchVals AI–62.2%
SREBenchVals AI33.6%3.8%
Tax Agent BenchVals AI44.5%21.8%
Terminal-Bench 2.0 (Vals)Vals AI–73.2%†
Terminal-Bench 4.0 (Vals)Vals AI65.2%–
Terminal-Bench ScienceVals AI47.1%–
Time Horizon Index: KSPVals AI91.3%8.3%
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†1226†
Arena Agent Task CompletionArena (LMArena)20.7–
DeepResearch BenchDeepResearch Bench–54.0%†
PostTrainBenchEpoch AI Benchmarking Hub43.8%23.9%
ExploitBenchEpoch AI Benchmarking Hub–47.4%†
GBAEvalEpoch AI Benchmarking Hub–53.2%†
Vending-Bench 2Andon Labs9235.3†7523.8†
SpireClimbEpoch AI Benchmarking Hub5.8%–
AutomationBenchArtificial Analysis69.5%47.3%
GDP.pdf (AA)Artificial Analysis26.2%21.2%
Harvey LAB-AA v1.1Harvey4.2%–
EnterpriseOps-GymArtificial Analysis–46.6%
AA-Briefcase v1.1Artificial Analysis18011135
GDPxGDPx by SemiAnalysis12.0%–
Design Arena AgenticDesign Arena1339†1113†
RoboDojo (LLM as robot policy)RoboDojo–1.1†
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%85.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%72.5%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%84.4%†
ProofBenchVals AI100.0%50.0%
LiveBench MathematicsLiveBench97.1%95.9%
AIME 2026MathArena–100.0%
HMMT February 2026MathArena–98.5%
USAMO 2026MathArena–98.2%
MathArena ApexMathArena–80.2%
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Arena MathsArena (LMArena)1514†1500†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%63.0%
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.9%–
LiveBench 1.0 Data AnalysisLiveBench80.3%81.6%
AA-Omniscience v1.1Artificial Analysis48.1–
MMLU-ProVals AI–88.1%
LegalBenchVals AI–86.5%
CorpFinVals AI–68.4%
TaxEvalVals AI–75.0%
PRBench LegalScale AI SEAL47.6%†–
BioMysteryBenchVals AI79.3%–
CaseLaw v2Vals AI–66.2%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%64.5%
Excel Modeling Benchmark v1.1Vals AI75.8%–
MedCodeVals AI49.8%49.1%
MedScribeVals AI91.4%86.9%
Public Benefits Bench v1.1Vals AI70.6%60.9%
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%–
Immigration BenchVals AI72.1%–
DrugDiscoveryBenchScale AI SEAL–51.6%
EBR-benchEpoch AI Benchmarking Hub71.4%34.3%
GDP.pdfEpoch AI Benchmarking Hub30.6%26.0%
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%–
HealthBench Professional (AA)OpenAI59.9%–
FACTS ParametricGoogle58.7%†–
指令遵循
LiveBench LanguageLiveBench86.3%87.4%
LiveBench Instruction FollowingLiveBench65.7%70.7%
IFBenchArtificial Analysis–75.8%
Arena Instruction FollowingArena (LMArena)1518†1475†
人类偏好
Arena TextArena (LMArena)1507†1476†
EQ-Bench 4EQ-Bench1340†1295†
EQ-Bench Creative Writing v3EQ-Bench2051†1845†
Arena Creative WritingArena (LMArena)1517†1448†
Arena Multi-turnArena (LMArena)1502†1484†
Arena Longer QueriesArena (LMArena)1520†1486†
多模态
Arena VisionArena (LMArena)1324†1296†
LiveBench DesignLiveBench83.3%–
MMMU-ProArtificial Analysis87.7%79.9%
MMMU-Pro (Vals)Vals AI–88.3%
MortgageTaxVals AI–68.8%
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†36.2%†
Furniture AssemblyEpoch AI Benchmarking Hub83.3%44.2%
VIALS-AAHandshake AI61.5%–
Code2Video-AAArtificial Analysis15361000
AA-3DArtificial Analysis1202–
FACTS MultimodalGoogle56.4%†–
长上下文
AA-LCR v1.1Artificial Analysis84.7%84.3%
Arena DocumentArena (LMArena)–1479†
MLCRArtificial Analysis27.8%28.9%
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†160.1†
LiveBench 2.0LiveBench83.4%–
LiveBench 1.0LiveBench83.2%80.2%
AA Intelligence Index v5.0.1Artificial Analysis59.1–
AA Intelligence Index v4.3.2Artificial Analysis57.638.4
AA Progress Index v1Artificial Analysis350320
Vals IndexVals AI70.1–
Vals Finance IndexVals AI65.3%–
Vals RSI IndexVals AI37.3%16.5%
Vals Science IndexVals AI58.6%–
Vals Multimodal IndexVals AI–68.1%
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%–
AA Cyber IndexArtificial Analysis28.7–
安全与诚实
FORTRESSScale AI SEAL5.8%16.3%
DistressBenchScale AI SEAL75.6%†–

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

  • Claude Opus 5.5 (max):38 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-5.5 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • GPT-5.5 (xhigh):1 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-5.5 (xhigh):1 项新结果(MirrorCode)。
  • 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-5.5:常见问题

Claude Opus 5.5 比 GPT-5.5 更好吗?
质量上 Claude Opus 5.5 (max) 领先:68.4 比 64.1。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-5.5 哪个更便宜?价格会变吗?
目前 Claude Opus 5.5 更便宜:每百万 token $8.00 比 $11.25(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-5.5 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 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 5.5 为 1815,GPT-5.5 为 1512。
Claude Opus 5.5 和 GPT-5.5 哪个更快?
Claude Opus 5.5 输出更快(约 1.5 倍;输出 116 比 81 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-5.5 更好?
两者在智能体任务方面持平(类别得分 61 比 62)。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(67 比 67)。两者都约为 1.1M token(Claude Opus 5.5 为 1,000,000,GPT-5.5 为 1,050,000)。
哪个延迟更低?
GPT-5.5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 38.3 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-5.5 的看法一致吗?
在两者都有结果的 55 项基准测试中,Claude Opus 5.5 领先 49 项,GPT-5.5 领先 5 项,1 项持平。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。