BenchLeader

Claude Opus 5.5 vs GPT-5 Pro

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

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 Claude Opus 5.5 领先 GPT-5 Pro(BenchLeader Index 68.4 比 59.6)。Claude Opus 5.5 更便宜,对方的价格是它的 5.2 倍(每百万 token 混合价格 $8.00 比 $41.25)。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,GPT-5 Pro 为 59.6(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 Pro 每百万 token 混合价格为 $41.25(标价,2026年11月16日)。
  • 在两者都有结果的 3 项基准测试中,Claude Opus 5.5 领先 3 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
推理Claude Opus 5.5类别得分 72 比 55;ARC-AGI-2 91.7% 比 18.3%高
知识Claude Opus 5.5类别得分 73 比 66中
图像及其他媒体Claude Opus 5.5类别得分 70 比 67中
成本最低Claude Opus 5.5每百万 token 混合价格 $8.00 比 $41.25;智能体编程会话 $0.320 比 $1.38–
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 59.6。
  • Claude Opus 5.5 (max) 在知识、多模态、推理方面更强。
  • Claude Opus 5.5 (max) 更便宜,对方的价格是它的 5.2 倍(每百万 token 混合价格 $8.00 比 $41.25)。

概览

规格Claude Opus 5.5GPT-5 Pro
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 Pro
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$15.00 / $120.00 / –
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 Pro领先者
推理72.155.0Claude Opus 5.5
编程78.8–无法比较
智能体与工具61.3–无法比较
数学73.2–无法比较
知识72.566.1Claude Opus 5.5
多模态70.267.4Claude Opus 5.5
长上下文67.1–无法比较
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推理知识多模态Claude Opus 5.5, 推理: 72.1Claude Opus 5.5, 知识: 72.5Claude Opus 5.5, 多模态: 70.2GPT-5 Pro, 推理: 55.0GPT-5 Pro, 知识: 66.1GPT-5 Pro, 多模态: 67.4

未绘制(测得的模型少于两个):编程, 智能体与工具, 数学, 指令遵循, 长上下文, 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 3 项基准测试中,Claude Opus 5.5 领先 3 项,GPT-5 Pro 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 Pro领先者
BenchLeader Index68.459.6Claude 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 Pro
每百万 token 混合价格$8.00$41.25
每百万 token 输入 / 输出$4.00 / $20.00$15.00 / $120.00
每百万 token 缓存输入$0.200–
每项任务价格:聊天回复$0.0076$0.042
每项任务价格:总结一份 30 页的报告$0.060$0.252
每项任务价格:代码编辑$0.054$0.270
每项任务价格:智能体编程会话$0.320$1.38
每项任务价格:结构化信息提取$0.012$0.054
智能体编程会话(输入大多命中缓存)$0.149–
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/s–
首次回答时间380.2 秒–
完整回答耗时(最近一次测量 2026年11月13日)711.4 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 Pro 得分 59.6。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 171 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 Pro
BenchLeader IndexBenchLeader68.459.6
智能体与工具得分BenchLeader61.3–
编程得分BenchLeader78.8–
综合得分BenchLeader70.2–
知识得分BenchLeader72.566.1
长上下文得分BenchLeader67.1–
数学得分BenchLeader73.2–
多模态得分BenchLeader70.267.4
推理得分BenchLeader72.155.0
混合价格(美元/百万 token)BenchLeader$8.00$41.25
输出速度BenchLeader116 tok/s–
首次回答时间BenchLeader380.2 秒–
上下文窗口BenchLeader1,000,000 token400,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%–
Humanity's Last ExamScale AI / CAIS–31.6%
SimpleBenchSimpleBench88.4%†61.6%
Arena Hard PromptsArena (LMArena)1530†–
LiveBench 2.0 ReasoningLiveBench92.2%–
LiveBench 1.0 ReasoningLiveBench92.2%–
Humanity's Last Exam (AA)Artificial Analysis61.4%–
HLE-Diamond (AA)Artificial Analysis67.9%–
Kagi LLM BenchmarkKagi LLM Benchmark–76.8%
ARC-AGI-1ARC Prize97.5%70.2%
ARC-AGI-2ARC Prize91.7%18.3%
CritPtArtificial Analysis31.7%–
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
MysteryMechanismVals AI49.5%–
HLE-Diamond (Scale)Scale AI SEAL55.0%†–
Arena ExpertArena (LMArena)1545†–
Chess PuzzlesEpoch AI Benchmarking Hub67.0%48.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%–
LMCAEpoch AI Benchmarking Hub68.2%–
DTBenchEpoch AI Benchmarking Hub98.9%–
编程
SciCodeSciCode66.9%–
WeirdMLWeirdML–60.4%†
FrontierCodeCognition54.6%†–
Arena CodingArena (LMArena)1548†–
Arena WebDevArena (LMArena)1815–
显示全部 171 项基准测试
指标发布方Claude Opus 5.5 (max)GPT-5 Pro
编程
LiveBench 2.0 CodingLiveBench87.1%–
LiveBench 1.0 CodingLiveBench89.3%–
IOIVals AI95.1%–
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%–
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%†–
MirrorCodeEpoch AI Benchmarking Hub95.6%–
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†–
AlgoTuneAlgoTune–1.3†
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%–
Startrise FrontendStartrise80.2%†–
GameBench 2 OverallDuelLab GameBench 287.6†–
GameBench 2 by reasoning settingDuelLab GameBench 294.8†–
Design Arena WebsiteDesign Arena1326†–
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%–
智能体与工具
Terminal-BenchTerminal-Bench65.8%–
Remote Labor IndexScale AI / CAIS21.3%†–
APEX-AgentsMercor73.5%–
Arena AgentArena (LMArena)19.5–
LiveBench Long AgenticLiveBench72.8%–
LiveBench BrowserLiveBench88.4%–
LiveBench Agentic CodingLiveBench71.7%–
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 Analysis1866–
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%–
Robo-benchVals AI14.6%–
SREBenchVals AI33.6%–
Tax Agent BenchVals AI44.5%–
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†–
Arena Agent Task CompletionArena (LMArena)20.7–
PostTrainBenchEpoch AI Benchmarking Hub43.8%–
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%–
DeepSearchQAGoogle–65.2%
FACTS SearchGoogle88.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%55.8%†
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%19.5%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench97.1%–
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Arena MathsArena (LMArena)1514†–
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%–
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.9%–
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis48.1–
PRBench FinanceScale AI SEAL–51.1%
PRBench LegalScale AI SEAL47.6%†49.9%
MultiNRCScale AI SEAL–65.2%
BioMysteryBenchVals AI79.3%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%–
Excel Modeling Benchmark v1.1Vals AI75.8%–
MedCodeVals AI49.8%–
MedScribeVals AI91.4%–
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%–
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%†–
指令遵循
LiveBench LanguageLiveBench86.3%–
LiveBench Instruction FollowingLiveBench65.7%–
Arena Instruction FollowingArena (LMArena)1518†–
人类偏好
Arena TextArena (LMArena)1507†–
EQ-Bench 4EQ-Bench1340†–
EQ-Bench Creative Writing v3EQ-Bench2051†–
Arena Creative WritingArena (LMArena)1517†–
Arena Multi-turnArena (LMArena)1502†–
Arena Longer QueriesArena (LMArena)1520†–
多模态
Arena VisionArena (LMArena)1324†–
LiveBench DesignLiveBench83.3%–
MMMU-ProArtificial Analysis87.7%–
VISTAScale AI SEAL–52.4%
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†–
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
AA-LCR v1.1Artificial Analysis84.7%–
MLCRArtificial Analysis27.8%–
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†151.2
LiveBench 2.0LiveBench83.4%–
LiveBench 1.0LiveBench83.2%–
AA Intelligence Index v5.0.1Artificial Analysis59.1–
AA Intelligence Index v4.3.2Artificial Analysis57.6–
AA Progress Index v1Artificial Analysis350–
Vals IndexVals AI70.1–
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%15.2%
MASKScale AI SEAL–86.0%
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…)。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • GPT-5 Pro:BenchLeader Index 60.2 → 59.6。
  • 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。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):2 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 Pro:常见问题

Claude Opus 5.5 比 GPT-5 Pro 更好吗?
质量上 Claude Opus 5.5 (max) 领先:68.4 比 59.6。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 Pro 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 $41.25(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。
处理长文档哪个更好?
Claude Opus 5.5 支持更长的上下文:1,000,000 token,GPT-5 Pro 为 400,000 token。
第三方基准测试对 Claude Opus 5.5 和 GPT-5 Pro 的看法一致吗?
在两者都有结果的 3 项基准测试中,Claude Opus 5.5 领先 3 项,GPT-5 Pro 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。