BenchLeader

Claude Opus 5.5 vs GPT-6.2 Astra

完整资料:Claude Opus 5.5(Anthropic)和 GPT-6.2 Astra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月19日,Claude Opus 5.5 与 GPT-6.2 Astra 的质量不相上下(BenchLeader Index 67.8 比 68.9,在 ±3.9 的误差范围内)。Claude Opus 5.5 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $8.00 比 $16.00)。看重编程(77 比 76)选 Claude Opus 5.5;看重知识(74 比 71)、智能体与工具(66 比 64)和推理(73 比 71)选 GPT-6.2 Astra。GPT-6.2 Astra 的首次回答更快(202.7 秒 比 352.2 秒)。Claude Opus 5.5 的输出更快(约 2 倍)。

要点(截至 2026年11月19日)

  • Claude Opus 5.5 的 BenchLeader Index 为 67.8,GPT-6.2 Astra 为 68.9(BenchLeader,2026年11月19日)。
  • Claude Opus 5.5 每百万 token 混合价格为 $8.00(标价,2026年11月19日)。
  • GPT-6.2 Astra 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
  • Claude Opus 5.5 比 GPT-6.2 Astra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 64 项基准测试中,GPT-6.2 Astra 领先 42 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Claude Opus 5.5 的评分为 1818,GPT-6.2 Astra 为 1781(LMArena,截至 2026年11月19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 77 比 76;Arena WebDev 1818 比 1781中
智能体与工具调用GPT-6.2 Astra类别得分 66 比 64;CWE-Bench (AA) 65.0% 比 58.3%中
数学均可类别得分 73 比 73;FrontierMath Tiers 1–3 91.2% 比 92.6%均可
推理GPT-6.2 Astra类别得分 73 比 71;GPQA Diamond 96.8% 比 90.6%中
知识GPT-6.2 Astra类别得分 74 比 71;SimpleQA Verified 78.5% 比 72.2%中
图像及其他媒体GPT-6.2 Astra类别得分 72 比 70;MMMU-Pro 89.5% 比 87.7%中
成本最低Claude Opus 5.5每百万 token 混合价格 $8.00 比 $16.00;智能体编程会话 $0.320 比 $0.640–
首次回答最快GPT-6.2 Astra首个回答 token 202.7 秒(GPT-6.2 Astra (max))比 352.2 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-6.2 Astra (max) 的质量不相上下(67.8 比 68.9,在 ±3.9 的误差范围内)。
  • Claude Opus 5.5 (max) 在编程、数学方面更强。
  • GPT-6.2 Astra (max) 在智能体与工具、综合、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 2.0 倍(每百万 token 混合价格 $8.00 比 $16.00)。
  • Claude Opus 5.5 (max) 的输出速度是对方的 2.4 倍(115 比 49 token/秒)。

概览

规格Claude Opus 5.5GPT-6.2 Astra
提供商AnthropicOpenAI
发布日期2026年9月22日2026年11月17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-6.2 Astra (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$8.00 / $40.00 / $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-6.2 Astra (max)领先者
推理70.773.1GPT-6.2 Astra
编程77.476.1Claude Opus 5.5
智能体与工具64.066.4GPT-6.2 Astra
数学72.772.5持平
知识71.274.2GPT-6.2 Astra
多模态69.971.7GPT-6.2 Astra
长上下文67.1–无法比较
综合68.069.5GPT-6.2 Astra

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多模态Claude Opus 5.5, 推理: 70.7Claude Opus 5.5, 编程: 77.4Claude Opus 5.5, 智能体与工具: 64.0Claude Opus 5.5, 数学: 72.7Claude Opus 5.5, 知识: 71.2Claude Opus 5.5, 多模态: 69.9GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 编程: 76.1GPT-6.2 Astra, 智能体与工具: 66.4GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知识: 74.2GPT-6.2 Astra, 多模态: 71.7

未绘制(测得的模型少于两个):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 64 项基准测试中,Claude Opus 5.5 领先 21 项,GPT-6.2 Astra 领先 42 项,1 项持平。第三方来源看法不一:Claude Opus 5.5 在 Vals Index 上领先;GPT-6.2 Astra 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexClaude Opus 5.5 (max)GPT-6.2 Astra (max)领先者
BenchLeader Index67.868.9不相上下
AA Intelligence Index v5.0.159.162.1GPT-6.2 Astra
Vals Index70.167.7Claude 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-6.2 Astra (max)
每百万 token 混合价格$8.00$16.00
每百万 token 输入 / 输出$4.00 / $20.00$8.00 / $40.00
每百万 token 缓存输入$0.200$0.400
每项任务价格:聊天回复$0.0076$0.015
每项任务价格:总结一份 30 页的报告$0.060$0.120
每项任务价格:代码编辑$0.054$0.108
每项任务价格:智能体编程会话$0.320$0.640
每项任务价格:结构化信息提取$0.012$0.024
智能体编程会话(输入大多命中缓存)$0.149$0.298
每项基准测试任务成本(AA Index)$10.04$4.00
每项任务输出 token(AA Index)173k41k
其中推理部分120k26k
每项任务耗时(AA Index)25 min14 min
输出速度115 tok/s49 tok/s
首次回答时间352.2 秒202.7 秒
完整回答耗时(最近一次测量 2026年11月13日)711.4 秒–

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Opus 5.5 (max) 上花费 $10.04,在 GPT-6.2 Astra (max) 上花费 $4.00;完成同样的工作,Claude Opus 5.5 (max) 输出的 token 是对方的 4.2 倍,这是只看 token 单价看不出来的。

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 67.8,首个回答 token 需 352 秒;Claude Opus 5.5 (high) 为 65.5(22 秒),Claude Opus 5.5 (xhigh) 为 64.6(64 秒)。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 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 169 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-6.2 Astra (max)
BenchLeader IndexBenchLeader67.868.9
智能体与工具得分BenchLeader64.066.4
编程得分BenchLeader77.476.1
综合得分BenchLeader68.069.5
知识得分BenchLeader71.274.2
长上下文得分BenchLeader67.1–
数学得分BenchLeader72.772.5
多模态得分BenchLeader69.971.7
推理得分BenchLeader70.773.1
混合价格(美元/百万 token)BenchLeader$8.00$16.00
输出速度BenchLeader115 tok/s49 tok/s
首次回答时间BenchLeader352.2 秒202.7 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%96.8%
SimpleBenchSimpleBench88.4%†–
Arena Hard PromptsArena (LMArena)1531†–
LiveBench 2.0 ReasoningLiveBench92.2%91.6%
LiveBench 1.0 ReasoningLiveBench92.2%–
Humanity's Last Exam (AA)Artificial Analysis61.4%–
HLE-Diamond (AA)Artificial Analysis67.9%72.2%
ARC-AGI-1ARC Prize97.5%98.5%
ARC-AGI-2ARC Prize91.7%95.8%
ARC-AGI-3ARC Prize–99.8%
CritPtArtificial Analysis31.7%–
CritPt v2 hard subset (AA)Artificial Analysis68.0%71.5%
MysteryMechanismVals AI49.5%53.1%
HLE-Diamond (Scale)Scale AI SEAL55.0%†66.9%†
Arena ExpertArena (LMArena)1550†–
Chess PuzzlesEpoch AI Benchmarking Hub67.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%95.0%
LMCAEpoch AI Benchmarking Hub68.2%–
DTBenchEpoch AI Benchmarking Hub98.9%–
ForecastBenchForecastBench66.6%†–
编程
SciCodeSciCode66.9%–
FrontierCodeCognition54.6%†–
Arena CodingArena (LMArena)1547†–
Arena WebDevArena (LMArena)18181781
LiveBench 2.0 CodingLiveBench87.1%91.9%
显示全部 169 项基准测试
指标发布方Claude Opus 5.5 (max)GPT-6.2 Astra (max)
编程
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%89.9%
Vibe Code Bench 1-100 v1.1Vals AI30.9%55.2%
SWE Atlas v1.1Scale AI SEAL77.5%†60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL77.4%†67.7%†
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†62.2%†
SWE Atlas v1.1: RefactoringScale AI SEAL77.1%†51.4%†
MirrorCodeEpoch AI Benchmarking Hub95.6%67.8%
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†–
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%64.1%
Startrise FrontendStartrise80.2%†–
GameBench 2 OverallDuelLab GameBench 287.6†–
GameBench 2 by reasoning settingDuelLab GameBench 294.7†–
Design Arena WebsiteDesign Arena1321†1339†
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%45.4%
智能体与工具
Terminal-BenchTerminal-Bench65.8%62.1%
Remote Labor IndexScale AI / CAIS21.3%†–
APEX-AgentsMercor73.5%–
Arena AgentArena (LMArena)18.615.2
LiveBench Long AgenticLiveBench72.8%70.8%
LiveBench BrowserLiveBench88.4%93.0%
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%62.5%
CUA-benchVals AI14.0%–
CyberBenchVals AI55.4%–
Finance Agent v2Vals AI58.6%–
Finance Agent v2.1Vals AI67.8%60.8%
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%16.3%
Harvey's Legal Agent Benchmark v1Vals AI3.8%–
Legal Research BenchVals AI50.5%42.8%
Robo-benchVals AI14.6%32.7%
SREBenchVals AI33.6%–
Tax Agent BenchVals AI44.5%21.8%
Terminal-Bench 4.0 (Vals)Vals AI65.2%63.1%
Terminal-Bench ScienceVals AI47.1%71.4%
Time Horizon Index: KSPVals AI91.3%–
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)19.212.4
PostTrainBenchEpoch AI Benchmarking Hub43.8%–
GBAEvalEpoch AI Benchmarking Hub90.6%†–
Vending-Bench 2Andon Labs9235.3†–
SpireClimbEpoch AI Benchmarking Hub5.8%41.3%
AutomationBenchArtificial Analysis69.5%77.3%
GDP.pdf (AA)Artificial Analysis26.2%29.8%
Harvey LAB-AA v1.1Harvey4.2%15.0%
EnterpriseOps-GymArtificial Analysis–29.9%
AA-Briefcase v1.1Artificial Analysis18001643
GDPxGDPx by SemiAnalysis11.9%–
Design Arena AgenticDesign Arena1325†1304
Terminal-Bench-Science 0.1 (AA)Artificial Analysis59.0%78.1%
CWE-Bench (AA)Artificial Analysis58.3%65.0%
DeepSec-Bench (AA)Artificial Analysis26.9%46.8%
CyberGym end-to-end (AA)Artificial Analysis0.8%0.0%
MKA (AA)Artificial Analysis53.0%52.7%
FACTS SearchGoogle88.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%92.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench97.1%–
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Autoform-HardVals AI–87.5%
Arena MathsArena (LMArena)1516†–
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%10.3%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%78.5%
LiveBench 2.0 Data AnalysisLiveBench80.3%84.1%
LiveBench ResearchLiveBench88.9%91.5%
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis48.150
PRBench LegalScale AI SEAL47.6%†43.1%†
BioMysteryBenchVals AI79.3%80.7%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%–
Excel Modeling Benchmark v1.1Vals AI75.8%76.0%
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%–
DrugDiscoveryBenchScale AI SEAL–65.5%†
EBR-benchEpoch AI Benchmarking Hub71.4%92.4%
GDP.pdfEpoch AI Benchmarking Hub48.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%68.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%40.9%
HealthBench Professional (AA)OpenAI59.9%–
FACTS ParametricGoogle58.7%†–
指令遵循
LiveBench LanguageLiveBench86.3%–
LiveBench Instruction FollowingLiveBench65.7%–
MultiChallengeScale AI SEAL–73.2%†
Arena Instruction FollowingArena (LMArena)1517†–
人类偏好
Arena TextArena (LMArena)1507†–
EQ-Bench 4EQ-Bench1340†–
EQ-Bench Creative Writing v3EQ-Bench2051†–
Arena Creative WritingArena (LMArena)1516†–
Arena Multi-turnArena (LMArena)1501†–
Arena Longer QueriesArena (LMArena)1522†–
多模态
Arena VisionArena (LMArena)1324†–
LiveBench DesignLiveBench83.3%82.8%
MMMU-ProArtificial Analysis87.7%89.5%
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†63.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub83.3%89.2%
VIALS-AAHandshake AI61.5%65.8%
Code2Video-AAArtificial Analysis1536–
AA-3DArtificial Analysis12021318
FACTS MultimodalGoogle56.4%†–
长上下文
AA-LCR v1.1Artificial Analysis84.7%–
MLCRArtificial Analysis27.8%39.4%
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.7†174.2†
LiveBench 2.0LiveBench83.4%84.9%
LiveBench 1.0LiveBench83.2%–
AA Intelligence Index v5.0.1Artificial Analysis59.162.1
AA Intelligence Index v4.3.2Artificial Analysis57.6–
AA Progress Index v1Artificial Analysis350–
Vals IndexVals AI70.167.7
Vals Finance IndexVals AI65.3%57.3%
Vals RSI IndexVals AI37.3%29.0%
Vals Science IndexVals AI58.6%68.4%
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%69.7%
AA Cyber IndexArtificial Analysis28.737.3
安全与诚实
FORTRESSScale AI SEAL5.8%–
DistressBenchScale AI SEAL75.6%†–

数据截至 2026年11月19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
  • Claude Opus 5.5 (max):BenchLeader Index 68.3 → 67.6。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Opus 5.5 (max):BenchLeader Index 68.8 → 68.3。
  • Claude Opus 5.5 (max):2 项分数修订。
  • 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。

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-6.2 Astra:常见问题

Claude Opus 5.5 比 GPT-6.2 Astra 更好吗?
Claude Opus 5.5 (max) 与 GPT-6.2 Astra (max) 的质量不相上下(67.8 比 68.9,在 ±3.9 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19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-6.2 Astra 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 $16.00(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-6.2 Astra 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 77 比 76,50 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 1818,GPT-6.2 Astra 为 1781。
Claude Opus 5.5 和 GPT-6.2 Astra 哪个更快?
Claude Opus 5.5 输出更快(约 2 倍;输出 115 比 49 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-6.2 Astra 更好?
GPT-6.2 Astra 在智能体任务方面得分更高(类别得分 66 比 64,50 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-6.2 Astra 为 62.1%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1.1M token(Claude Opus 5.5 为 1,000,000,GPT-6.2 Astra 为 1,050,000)。
哪个延迟更低?
GPT-6.2 Astra 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 202.7 秒比 352.2 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-6.2 Astra 的看法一致吗?
在两者都有结果的 64 项基准测试中,Claude Opus 5.5 领先 21 项,GPT-6.2 Astra 领先 42 项,1 项持平。第三方来源看法不一:Claude Opus 5.5 在 Vals Index 上领先;GPT-6.2 Astra 在 AA Intelligence Index v5.0.1 上领先。
GPT-6.2 Astra 是什么时候发布的?
GPT-6.2 Astra 于 2026年11月17日 发布。