BenchLeader

Claude Opus 5.5 vs GPT-6 Astra

完整资料:Claude Opus 5.5(Anthropic)和 GPT-6 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16日,Claude Opus 5.5 与 GPT-6 Astra 的质量不相上下(BenchLeader Index 68.4 比 67.3,在 ±5.2 的误差范围内)。Claude Opus 5.5 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $8.00 比 $20.00)。看重编程(79 比 73)、多模态(70 比 66)和数学(73 比 71)选 Claude Opus 5.5;看重智能体与工具(64 比 61)选 GPT-6 Astra。GPT-6 Astra 的首次回答更快(198.4 秒 比 380.2 秒)。Claude Opus 5.5 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 的 BenchLeader Index 为 68.4,GPT-6 Astra 为 67.3(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-6 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • Claude Opus 5.5 比 GPT-6 Astra 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 102 项基准测试中,Claude Opus 5.5 领先 54 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5.5 的评分为 1815,GPT-6 Astra 为 1764(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 73;Arena WebDev 1815 比 1764中
智能体与工具调用GPT-6 Astra类别得分 64 比 61;CWE-Bench (AA) 63.3% 比 58.3%中
数学Claude Opus 5.5类别得分 73 比 71;FrontierMath Tiers 1–3 91.2% 比 93.7%中
推理均可类别得分 72 比 72;GPQA Diamond 90.6% 比 95.8%均可
知识均可类别得分 73 比 72;SimpleQA Verified 72.2% 比 75.6%均可
长文档Claude Opus 5.5类别得分 67 比 65;AA-LCR v1.1 84.7% 比 80.7%中
图像及其他媒体Claude Opus 5.5类别得分 70 比 66;MMMU-Pro 87.7% 比 86.9%中
对话质量(人类偏好)–只有 GPT-6 Astra 有 Arena 评分(类别得分 66)无法比较
成本最低Claude Opus 5.5每百万 token 混合价格 $8.00 比 $20.00;智能体编程会话 $0.320 比 $0.800–
首次回答最快GPT-6 Astra首个回答 token 198.4 秒(GPT-6 Astra (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-6 Astra (max) 的质量不相上下(68.4 比 67.3,在 ±5.2 的误差范围内)。
  • Claude Opus 5.5 (max) 在编程、知识、长上下文、数学、多模态方面更强。
  • GPT-6 Astra (max) 在智能体与工具、综合、推理方面更强。
  • Claude Opus 5.5 (max) 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $8.00 比 $20.00)。
  • Claude Opus 5.5 (max) 的输出速度是对方的 2.8 倍(116 比 41 token/秒)。

概览

规格Claude Opus 5.5GPT-6 Astra
提供商AnthropicOpenAI
发布日期2026年9月22日2026年9月2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 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$10.00 / $50.00 / $1.00
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-6 Astra (max)领先者
推理72.172.4持平
编程78.873.2Claude Opus 5.5
智能体与工具61.363.9GPT-6 Astra
数学73.270.8Claude Opus 5.5
知识72.572.3持平
人类偏好–66.2无法比较
多模态70.265.6Claude Opus 5.5
长上下文67.165.0Claude Opus 5.5
综合70.271.3GPT-6 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-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知识: 72.3GPT-6 Astra, 长上下文: 65.0GPT-6 Astra, 多模态: 65.6

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 102 项基准测试中,Claude Opus 5.5 领先 54 项,GPT-6 Astra 领先 43 项,5 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-6 Astra (max)领先者
BenchLeader Index68.467.3不相上下
AA Intelligence Index v5.0.159.156.9Claude Opus 5.5
Vals Index70.165.0Claude Opus 5.5
Arena Text1507†1474Claude 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 Astra (max)
每百万 token 混合价格$8.00$20.00
每百万 token 输入 / 输出$4.00 / $20.00$10.00 / $50.00
每百万 token 缓存输入$0.200$1.00
每项任务价格:聊天回复$0.0076$0.019
每项任务价格:总结一份 30 页的报告$0.060$0.150
每项任务价格:代码编辑$0.054$0.135
每项任务价格:智能体编程会话$0.320$0.800
每项任务价格:结构化信息提取$0.012$0.030
智能体编程会话(输入大多命中缓存)$0.149$0.395
每项基准测试任务成本(AA Index)$10.04$6.24
每项任务输出 token(AA Index)173k52k
其中推理部分120k36k
每项任务耗时(AA Index)25 min21 min
输出速度116 tok/s41 tok/s
首次回答时间380.2 秒198.4 秒
完整回答耗时(最近一次测量 2026年11月13日)711.4 秒533.7 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 Astra (max) 上花费 $6.24;完成同样的工作,Claude Opus 5.5 (max) 输出的 token 是对方的 3.3 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 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-6 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 182 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 Astra (max)
BenchLeader IndexBenchLeader68.467.3
智能体与工具得分BenchLeader61.363.9
编程得分BenchLeader78.873.2
综合得分BenchLeader70.271.3
知识得分BenchLeader72.572.3
长上下文得分BenchLeader67.165.0
数学得分BenchLeader73.270.8
多模态得分BenchLeader70.265.6
推理得分BenchLeader72.172.4
人类偏好得分BenchLeader–66.2
混合价格(美元/百万 token)BenchLeader$8.00$20.00
输出速度BenchLeader116 tok/s41 tok/s
首次回答时间BenchLeader380.2 秒198.4 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%95.8%
Humanity's Last ExamScale AI / CAIS–54.8%†
SimpleBenchSimpleBench88.4%†83.6%†
Arena Hard PromptsArena (LMArena)1530†1500
LiveBench 2.0 ReasoningLiveBench92.2%92.7%
LiveBench 1.0 ReasoningLiveBench92.2%92.7%
GPQA Diamond (AA)Artificial Analysis–96.1%
Humanity's Last Exam (AA)Artificial Analysis61.4%54.7%
HLE-Diamond (AA)Artificial Analysis67.9%63.8%
ARC-AGI-1ARC Prize97.5%97.5%
ARC-AGI-2ARC Prize91.7%95.0%
ARC-AGI-3ARC Prize–98.6%
CritPtArtificial Analysis31.7%31.7%
CritPt v2 hard subset (AA)Artificial Analysis68.0%70.5%
MysteryMechanismVals AI49.5%53.1%
HLE-Diamond (Scale)Scale AI SEAL55.0%†60.6%†
Arena ExpertArena (LMArena)1545†1517
Chess PuzzlesEpoch AI Benchmarking Hub67.0%74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%84.0%
LMCAEpoch AI Benchmarking Hub68.2%64.1%†
DTBenchEpoch AI Benchmarking Hub98.9%97.1%†
ForecastBenchForecastBench–66.6%†
BTF-3Epoch AI Benchmarking Hub–13.5%†
编程
SciCodeSciCode66.9%56.5%
WeirdMLWeirdML–93.3%
显示全部 182 项基准测试
指标发布方Claude Opus 5.5 (max)GPT-6 Astra (max)
编程
FrontierCodeCognition54.6%†53.3%
GSO-BenchGSO-Bench–79.4%†
Arena CodingArena (LMArena)1548†1548
Arena WebDevArena (LMArena)18151764
LiveBench 2.0 CodingLiveBench87.1%87.5%
LiveBench 1.0 CodingLiveBench89.3%80.4%
IOIVals AI95.1%100.0%
Code MigrationVals AI66.7%67.7%
Code Migration v1.1Vals AI81.0%80.6%
ProgramBenchVals AI18.5%5.5%
SWE-bench MultimodalVals AI70.2%43.3%
Vibe Code Bench 1-100Vals AI30.4%†27.6%
Vibe Code Bench v1.1Vals AI90.3%89.6%
Vibe Code Bench 1-100 v1.1Vals AI30.9%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL–59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–50.7%†
SWE Atlas v1.1Scale AI SEAL77.4%†69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL77.4%†70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL77.1%†71.4%†
SWE-Bench Pro V2Scale AI SEAL–96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub95.6%60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.2%
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†2951.3
FrontierSWEEpoch AI Benchmarking Hub62.3%65.5%
WeirdML v3WeirdML31.2%†42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise80.2%†79.9%†
GameBench 2 OverallDuelLab GameBench 287.6†88.8†
GameBench 2 by reasoning settingDuelLab GameBench 294.8†94.3†
Design Arena WebsiteDesign Arena1326†1338
FrontierCode 1.1 (AA)Artificial Analysis52.2%47.0%
FrontierCode 2.0 (AA)Artificial Analysis46.4%42.4%
智能体与工具
Terminal-BenchTerminal-Bench65.8%60.3%
Remote Labor IndexScale AI / CAIS21.3%†20.8%†
APEX-AgentsMercor73.5%64.7%†
Arena AgentArena (LMArena)19.514.5
LiveBench Long AgenticLiveBench72.8%75.6%
LiveBench BrowserLiveBench88.4%91.3%
LiveBench Agentic CodingLiveBench71.7%57.3%
Terminal-Bench 2.1 (Vals)Vals AI87.6%†87.3%
MCP AtlasScale AI SEAL85.4%†–
HiL-BenchScale AI SEAL59.0%†65.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%53.7%
GDPval-AA v2.1Artificial Analysis18661587
τ³-Banking (AA)Artificial Analysis–41.4%
ITBench SRE (AA)Artificial Analysis38.2%48.6%
Analyst Agent (AA)Artificial Analysis56.3%51.3%
CUA-benchVals AI14.0%19.2%
CyberBenchVals AI55.4%41.1%
Finance Agent v2Vals AI58.6%53.5%
Finance Agent v2.1Vals AI67.8%60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%7.1%
Harvey's Legal Agent Benchmark v1Vals AI3.8%5.4%
Legal Research BenchVals AI50.5%39.4%
Robo-benchVals AI14.6%23.3%
SREBenchVals AI33.6%56.9%
Tax Agent BenchVals AI44.5%20.7%
Terminal-Bench 4.0 (Vals)Vals AI65.2%59.6%
Terminal-Bench ScienceVals AI47.1%62.9%
Time Horizon Index: KSPVals AI91.3%90.5%
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†1245
Arena Agent Task CompletionArena (LMArena)20.714
BALROGBALROG–68.3%
PostTrainBenchEpoch AI Benchmarking Hub43.8%41.9%
Vending-Bench 2Andon Labs9235.3†15514.7†
SpireClimbEpoch AI Benchmarking Hub5.8%34.0%
AutomationBenchArtificial Analysis69.5%68.5%
GDP.pdf (AA)Artificial Analysis26.2%31.0%
Harvey LAB-AA v1.1Harvey4.2%8.6%
AA-Briefcase v1.1Artificial Analysis18011569
GDPxGDPx by SemiAnalysis12.0%9.6%
Design Arena AgenticDesign Arena1339†1405
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis59.0%63.3%
CWE-Bench (AA)Artificial Analysis58.3%63.3%
DeepSec-Bench (AA)Artificial Analysis26.9%36.9%
CyberGym end-to-end (AA)Artificial Analysis0.8%0.0%
MKA (AA)Artificial Analysis53.0%50.2%
FACTS SearchGoogle88.4%†93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI100.0%99.0%†
LiveBench MathematicsLiveBench97.1%96.8%
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Arena MathsArena (LMArena)1514†1481
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%75.6%
LiveBench 2.0 Data AnalysisLiveBench80.3%83.0%
LiveBench ResearchLiveBench88.9%90.6%
LiveBench 1.0 Data AnalysisLiveBench80.3%83.0%
AA-Omniscience v1.1Artificial Analysis48.142.4
PRBench FinanceScale AI SEAL–47.5%†
PRBench LegalScale AI SEAL47.6%†48.4%†
BioMysteryBenchVals AI79.3%79.3%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%71.7%
Excel Modeling Benchmark v1.1Vals AI75.8%72.7%
MedCodeVals AI49.8%48.5%
MedScribeVals AI91.4%87.9%
Public Benefits Bench v1.1Vals AI70.6%–
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%67.5%
Immigration BenchVals AI72.1%67.7%
DrugDiscoveryBenchScale AI SEAL–68.7%
EBR-benchEpoch AI Benchmarking Hub71.4%76.2%
GDP.pdfEpoch AI Benchmarking Hub30.6%34.2%
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%50.2%
HealthBench Professional (AA)OpenAI59.9%66.0%
FACTS ParametricGoogle58.7%†83.8%†
指令遵循
LiveBench LanguageLiveBench86.3%89.4%
LiveBench Instruction FollowingLiveBench65.7%75.6%
Arena Instruction FollowingArena (LMArena)1518†1474
人类偏好
Arena TextArena (LMArena)1507†1474
EQ-Bench 4EQ-Bench1340†–
EQ-Bench Creative Writing v3EQ-Bench2051†2177†
Arena Creative WritingArena (LMArena)1517†1451
Arena Multi-turnArena (LMArena)1502†1483
Arena Longer QueriesArena (LMArena)1520†1485
多模态
Arena VisionArena (LMArena)1324†1279
LiveBench DesignLiveBench83.3%80.0%
MMMU-ProArtificial Analysis87.7%86.9%
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†53.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub83.3%80.0%
VIALS-AAHandshake AI61.5%62.7%
Code2Video-AAArtificial Analysis15361427
AA-3DArtificial Analysis12021168
FACTS MultimodalGoogle56.4%†55.2%†
长上下文
AA-LCR v1.1Artificial Analysis84.7%80.7%
Arena DocumentArena (LMArena)–1474
MLCRArtificial Analysis27.8%41.7%
FACTS GroundingGoogle62.5%†80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†169†
LiveBench 2.0LiveBench83.4%84.5%
LiveBench 1.0LiveBench83.2%82.2%
AA Intelligence Index v5.0.1Artificial Analysis59.156.9
AA Intelligence Index v4.3.2Artificial Analysis57.652.7
AA Progress Index v1Artificial Analysis350349.6
Vals IndexVals AI70.165.0
Vals Finance IndexVals AI65.3%55.6%
Vals RSI IndexVals AI37.3%27.1%
Vals Science IndexVals AI58.6%65.1%
Vals Router IndexVals AI64.2%†65.0%†
Vals Legal IndexVals AI72.4%68.4%
AA Cyber IndexArtificial Analysis28.733.4
安全与诚实
FORTRESSScale AI SEAL5.8%12.1%†
DistressBenchScale AI SEAL75.6%†74.3%†

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-6 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):1 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6 Astra (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-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • 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-6 Astra:常见问题

Claude Opus 5.5 比 GPT-6 Astra 更好吗?
Claude Opus 5.5 (max) 与 GPT-6 Astra (max) 的质量不相上下(68.4 比 67.3,在 ±5.2 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-6 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 $20.00(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 Astra 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 比 73,50 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-6 Astra 为 1764。
Claude Opus 5.5 和 GPT-6 Astra 哪个更快?
Claude Opus 5.5 输出更快(3 倍以上;输出 116 比 41 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 Astra 更好?
GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 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-6 Astra 为 60.3%。
更多问题(4)
处理长文档哪个更好?
Claude Opus 5.5 在长上下文基准测试上得分更高(67 比 65)。两者都约为 1.1M token(Claude Opus 5.5 为 1,000,000,GPT-6 Astra 为 1,050,000)。
哪个延迟更低?
GPT-6 Astra 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 198.4 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-6 Astra 的看法一致吗?
在两者都有结果的 102 项基准测试中,Claude Opus 5.5 领先 54 项,GPT-6 Astra 领先 43 项,5 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。