BenchLeader

Claude Opus 5.5 vs GPT-5.6 Sol

完整资料:Claude Opus 5.5(Anthropic)和 GPT-5.6 Sol(OpenAI),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,Claude Opus 5.5 与 GPT-5.6 Sol 的质量不相上下(BenchLeader Index 68.4 比 65.3,在 ±5.4 的误差范围内)。两者价格相近(每百万 token 混合价格 $8.00 比 $8.00)。看重编程(79 比 66)、知识(73 比 64)和推理(72 比 65)选 Claude Opus 5.5;看重智能体与工具(68 比 61)选 GPT-5.6 Sol。GPT-5.6 Sol 的首次回答更快(33.5 秒 比 380.2 秒)。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 的 BenchLeader Index 为 68.4,GPT-5.6 Sol 为 65.3(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-5.6 Sol 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • 在两者都有结果的 68 项基准测试中,Claude Opus 5.5 领先 57 项(BenchLeader,2026年11月16日)。

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 66;SciCode 66.9% 比 57.1%高
智能体与工具调用GPT-5.6 Sol类别得分 68 比 61;Terminal-Bench 38.5% 比 65.8%中
数学Claude Opus 5.5类别得分 73 比 70;FrontierMath Tiers 1–3 91.2% 比 89.1%中
推理Claude Opus 5.5类别得分 72 比 65;CritPt v2 hard subset (AA) 68.0% 比 60.0%中
知识Claude Opus 5.5类别得分 73 比 64;SimpleQA Verified 72.2% 比 69.7%高
长文档均可类别得分 67 比 67;AA-LCR v1.1 84.7% 比 84.0%均可
图像及其他媒体Claude Opus 5.5类别得分 70 比 66;MMMU-Pro 87.7% 比 83.4%中
成本最低均可每百万 token 混合价格 $8.00 比 $8.00;智能体编程会话 $0.320 比 $0.320–
首次回答最快GPT-5.6 Sol首个回答 token 33.5 秒(GPT-5.6 Sol (max))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

  • Claude Opus 5.5 (max) 与 GPT-5.6 Sol (max) 的质量不相上下(68.4 比 65.3,在 ±5.4 的误差范围内)。
  • 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-5.6 Sol (max) 在智能体与工具方面更强。
  • 两者价格相近(每百万 token 混合价格 $8.00)。

概览

规格Claude Opus 5.5GPT-5.6 Sol
提供商AnthropicOpenAI
发布日期2026年9月22日2026年7月9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-5.6 Sol (max)
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$4.00 / $20.00 / $0.400
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-5.6 Sol (max)领先者
推理72.164.7Claude Opus 5.5
编程78.865.8Claude Opus 5.5
智能体与工具61.367.5GPT-5.6 Sol
数学73.270.0Claude Opus 5.5
知识72.563.8Claude Opus 5.5
指令遵循–71.2无法比较
多模态70.265.9Claude Opus 5.5
长上下文67.166.7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-5.6 Sol, 推理: 64.7GPT-5.6 Sol, 编程: 65.8GPT-5.6 Sol, 智能体与工具: 67.5GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知识: 63.8GPT-5.6 Sol, 长上下文: 66.7GPT-5.6 Sol, 多模态: 65.9

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 68 项基准测试中,Claude Opus 5.5 领先 57 项,GPT-5.6 Sol 领先 10 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-5.6 Sol (max)领先者
BenchLeader Index68.465.3不相上下
Arena Text1507†1485Claude 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-5.6 Sol (max)
每百万 token 混合价格$8.00$8.00
每百万 token 输入 / 输出$4.00 / $20.00$4.00 / $20.00
每百万 token 缓存输入$0.200$0.400
每项任务价格:聊天回复$0.0076$0.0076
每项任务价格:总结一份 30 页的报告$0.060$0.060
每项任务价格:代码编辑$0.054$0.054
每项任务价格:智能体编程会话$0.320$0.320
每项任务价格:结构化信息提取$0.012$0.012
智能体编程会话(输入大多命中缓存)$0.149$0.158
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/s100 tok/s
首次回答时间380.2 秒33.5 秒
完整回答耗时(最近一次测量 2026年11月13日)711.4 秒157.3 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-5.6 Sol (max) 得分 65.3,首个回答 token 需 34 秒;GPT-5.6 Sol (xhigh) 为 63.9(17 秒),GPT-5.6 Sol (high) 为 63.4(10 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 201 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-5.6 Sol (max)
BenchLeader IndexBenchLeader68.465.3
智能体与工具得分BenchLeader61.367.5
编程得分BenchLeader78.865.8
综合得分BenchLeader70.2–
知识得分BenchLeader72.563.8
长上下文得分BenchLeader67.166.7
数学得分BenchLeader73.270.0
多模态得分BenchLeader70.265.9
推理得分BenchLeader72.164.7
指令遵循得分BenchLeader–71.2
混合价格(美元/百万 token)BenchLeader$8.00$8.00
输出速度BenchLeader116 tok/s100 tok/s
首次回答时间BenchLeader380.2 秒33.5 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%93.5%
SimpleBenchSimpleBench88.4%†64.8%†
Arena Hard PromptsArena (LMArena)1530†1511†
LiveBench 2.0 ReasoningLiveBench92.2%–
LiveBench 1.0 ReasoningLiveBench92.2%91.7%
GPQA Diamond (AA)Artificial Analysis–94.1%
Humanity's Last Exam (AA)Artificial Analysis61.4%49.5%
HLE-Diamond (AA)Artificial Analysis67.9%–
GPQA Diamond (Vals)Vals AI–95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize97.5%96.5%
ARC-AGI-2ARC Prize91.7%92.5%
ARC-AGI-3ARC Prize–7.8%
CritPtArtificial Analysis31.7%32.3%
CritPt v2 hard subset (AA)Artificial Analysis68.0%60.0%
MysteryMechanismVals AI49.5%33.3%
HLE-Diamond (Scale)Scale AI SEAL55.0%†31.2%†
Arena ExpertArena (LMArena)1545†1532†
Chess PuzzlesEpoch AI Benchmarking Hub67.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%58.0%
LMCAEpoch AI Benchmarking Hub68.2%58.4%
DTBenchEpoch AI Benchmarking Hub98.9%95.5%
ForecastBenchForecastBench–65.7%
BTF-3Epoch AI Benchmarking Hub–13.7%
显示全部 201 项基准测试
指标发布方Claude Opus 5.5 (max)GPT-5.6 Sol (max)
编程
SciCodeSciCode66.9%57.1%
WeirdMLWeirdML–87.0%
FrontierCodeCognition54.6%†47.5%†
GSO-BenchGSO-Bench–76.5%†
Arena CodingArena (LMArena)1548†1533†
Arena WebDevArena (LMArena)18151615†
LiveBench 2.0 CodingLiveBench87.1%–
LiveBench 1.0 CodingLiveBench89.3%83.9%
LiveCodeBenchVals AI–82.6%
IOIVals AI95.1%91.2%
SWE-bench (Vals)Vals AI–96.2%
Code MigrationVals AI66.7%52.9%
Code Migration v1.1Vals AI81.0%–
ProgramBenchVals AI18.5%1.5%
SWE-bench MultimodalVals AI70.2%–
Vibe Code Bench 1-100Vals AI30.4%†20.0%
Vibe Code Bench v1.1Vals AI90.3%80.5%
Vibe Code Bench 1-100 v1.1Vals AI30.9%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL–46.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–45.9%†
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–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub95.6%20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub–72.7%
CursorBenchCursor57.8%41.7%
ALE-BenchEpoch AI Benchmarking Hub2147.4†2176.9
FrontierSWEEpoch AI Benchmarking Hub62.3%32.2%
WeirdML v3WeirdML31.2%†15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.0%
Startrise FrontendStartrise80.2%†66.2%†
GameBench 2 OverallDuelLab GameBench 287.6†67.0†
GameBench 2 by reasoning settingDuelLab GameBench 294.8†80.0†
Design Arena WebsiteDesign Arena1326†1319†
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%–
智能体与工具
Terminal-BenchTerminal-Bench65.8%38.5%
OSWorld-Verified 2.0OSWorld–27.3%
Remote Labor IndexScale AI / CAIS21.3%†–
APEX-AgentsMercor73.5%51.4%†
Arena AgentArena (LMArena)19.54.6†
LiveBench Long AgenticLiveBench72.8%–
LiveBench BrowserLiveBench88.4%–
LiveBench Agentic CodingLiveBench71.7%56.2%
Terminal-Bench HardArtificial Analysis–65.9%
τ²-Bench Telecom (AA)Artificial Analysis–85.1%
Terminal-Bench 2.1 (Vals)Vals AI87.6%†85.8%
MCP AtlasScale AI SEAL85.4%†–
HiL-BenchScale AI SEAL59.0%†32.3%†
τ³-bench Bankingτ²-bench–46.9%†
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%–
GDPval-AA v2.1Artificial Analysis18661619
τ³-Banking (AA)Artificial Analysis–44.3%
ITBench SRE (AA)Artificial Analysis38.2%56.2%
Analyst Agent (AA)Artificial Analysis56.3%47.5%
CUA-benchVals AI14.0%8.3%
CyberBenchVals AI55.4%76.3%
Finance Agent v2Vals AI58.6%53.8%
Finance Agent v2.1Vals AI67.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%2.5%
Legal Research BenchVals AI50.5%48.1%
Robo-benchVals AI14.6%–
SkillsBenchVals AI–54.1%
SREBenchVals AI33.6%30.5%
Tax Agent BenchVals AI44.5%31.1%
Terminal-Bench 4.0 (Vals)Vals AI65.2%37.9%
Terminal-Bench ScienceVals AI47.1%20.0%
Time Horizon Index: KSPVals AI91.3%23.8%
Web Search IndexVals AI53.8%43.6%
Arena SearchArena (LMArena)1213†1255†
Arena Agent Task CompletionArena (LMArena)20.72.3†
BALROGBALROG–60.0%
PostTrainBenchEpoch AI Benchmarking Hub43.8%31.0%
GBAEvalEpoch AI Benchmarking Hub–52.6%†
Vending-Bench 2Andon Labs9235.3†9619.4†
SpireClimbEpoch AI Benchmarking Hub5.8%–
AutomationBenchArtificial Analysis69.5%60.1%
GDP.pdf (AA)Artificial Analysis26.2%27.2%
Harvey LAB-AA v1.1Harvey4.2%–
EnterpriseOps-GymArtificial Analysis–42.9%
AA-Briefcase v1.1Artificial Analysis18011479
GDPxGDPx by SemiAnalysis12.0%–
Design Arena AgenticDesign Arena1339†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis59.0%22.4%
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%†92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI100.0%83.0%
LiveBench MathematicsLiveBench97.1%96.2%
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Arena MathsArena (LMArena)1514†1494†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%69.7%
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.9%–
LiveBench 1.0 Data AnalysisLiveBench80.3%79.8%
AA-Omniscience v1.1Artificial Analysis48.1–
MMLU-ProVals AI–89.1%
LegalBenchVals AI–87.0%
CorpFinVals AI–64.4%
TaxEvalVals AI–74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL47.6%†50.5%
BioMysteryBenchVals AI79.3%71.1%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%72.3%
Excel Modeling Benchmark v1.1Vals AI75.8%–
MedCodeVals AI49.8%44.0%
MedScribeVals AI91.4%85.2%
Public Benefits Bench v1.1Vals AI70.6%66.5%
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%74.9%
Immigration BenchVals AI72.1%–
DrugDiscoveryBenchScale AI SEAL–56.5%
EBR-benchEpoch AI Benchmarking Hub71.4%44.8%
GDP.pdfEpoch AI Benchmarking Hub30.6%30.7%
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%–
HealthBench Professional (AA)OpenAI59.9%–
FACTS ParametricGoogle58.7%†81.1%†
指令遵循
LiveBench LanguageLiveBench86.3%87.7%
LiveBench Instruction FollowingLiveBench65.7%71.8%
IFBenchArtificial Analysis–72.7%
Arena Instruction FollowingArena (LMArena)1518†1490†
人类偏好
Arena TextArena (LMArena)1507†1485†
EQ-Bench 4EQ-Bench1340†1236†
EQ-Bench Creative Writing v3EQ-Bench2051†1974†
Arena Creative WritingArena (LMArena)1517†1471†
Arena Multi-turnArena (LMArena)1502†1491†
Arena Longer QueriesArena (LMArena)1520†1498†
多模态
Arena VisionArena (LMArena)1324†1282†
LiveBench DesignLiveBench83.3%–
MMMU-ProArtificial Analysis87.7%83.4%
MMMU-Pro (Vals)Vals AI–88.8%
MortgageTaxVals AI–67.3%
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†30.0%
GeoBenchGeoBench–73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub83.3%56.7%
VIALS-AAHandshake AI61.5%–
Code2Video-AAArtificial Analysis1536–
AA-3DArtificial Analysis1202–
FACTS MultimodalGoogle56.4%†46.4%†
长上下文
AA-LCR v1.1Artificial Analysis84.7%84.0%
Arena DocumentArena (LMArena)–1487†
MLCRArtificial Analysis27.8%30.0%
FACTS GroundingGoogle62.5%†61.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†163.0†
LiveBench 2.0LiveBench83.4%–
LiveBench 1.0LiveBench83.2%81.0%
AA Intelligence Index v5.0.1Artificial Analysis59.1–
AA Intelligence Index v4.3.2Artificial Analysis57.647.0
AA Progress Index v1Artificial Analysis350331.5
Vals IndexVals AI70.1–
Vals Finance IndexVals AI65.3%–
Vals RSI IndexVals AI37.3%23.9%
Vals Science IndexVals AI58.6%41.5%
Vals Multimodal IndexVals AI–72.6%
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%–
AA Cyber IndexArtificial Analysis28.7–
安全与诚实
FORTRESSScale AI SEAL5.8%20.1%†
DistressBenchScale AI SEAL75.6%†73.6%†

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-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • GPT-5.6 Sol (max):1 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • Claude Opus 5.5 (max):BenchLeader Index 69.3 → 68.8。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • Claude Opus 5.5 (max):2 项分数修订。
  • GPT-5.6 Sol (max):1 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-5.6 Sol:常见问题

Claude Opus 5.5 比 GPT-5.6 Sol 更好吗?
Claude Opus 5.5 (max) 与 GPT-5.6 Sol (max) 的质量不相上下(68.4 比 65.3,在 ±5.4 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 5.5 和 GPT-5.6 Sol 哪个更便宜?价格会变吗?
两者价格相同:每百万 token 混合价格 $8.00。两者均未公布价格调整。
编程用 Claude Opus 5.5 还是 GPT-5.6 Sol 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 比 66,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Claude Opus 5.5 为 66.9%,GPT-5.6 Sol 为 57.1%。
Claude Opus 5.5 和 GPT-5.6 Sol 哪个更快?
Claude Opus 5.5 输出更快(输出 116 比 100 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-5.6 Sol 更好?
GPT-5.6 Sol 在智能体任务方面得分更高(类别得分 68 比 61,50 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-5.6 Sol 为 38.5%。
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-5.6 Sol 为 1,050,000)。
哪个延迟更低?
GPT-5.6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 33.5 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-5.6 Sol 的看法一致吗?
在两者都有结果的 68 项基准测试中,Claude Opus 5.5 领先 57 项,GPT-5.6 Sol 领先 10 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。