BenchLeader

Claude Opus 5.5 vs GPT-6 Sol

完整资料:Claude Opus 5.5(Anthropic)和 GPT-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,质量上 Claude Opus 5.5 领先 GPT-6 Sol(BenchLeader Index 68.4 比 62.6)。不过,GPT-6 Sol 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00)。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-6 Sol 为 62.6(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-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • 在两者都有结果的 78 项基准测试中,Claude Opus 5.5 领先 66 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5.5 的评分为 1815,GPT-6 Sol 为 1673(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 66;Arena WebDev 1815 比 1673高
智能体与工具调用Claude Opus 5.5类别得分 61 比 59;Terminal-Bench 65.8% 比 50.3%中
数学Claude Opus 5.5类别得分 73 比 68;FrontierMath Tiers 1–3 91.2% 比 89.8%中
推理Claude Opus 5.5类别得分 72 比 66;HLE-Diamond (AA) 67.9% 比 45.2%中
知识Claude Opus 5.5类别得分 73 比 61;SimpleQA Verified 72.2% 比 60.7%高
长文档均可类别得分 67 比 67;AA-LCR v1.1 84.7% 比 83.7%均可
图像及其他媒体Claude Opus 5.5类别得分 70 比 61;MMMU-Pro 87.7% 比 83.0%高
对话质量(人类偏好)–只有 GPT-6 Sol 有 Arena 评分(类别得分 64)无法比较
成本最低GPT-6 Sol每百万 token 混合价格 $4.00 比 $8.00;智能体编程会话 $0.160 比 $0.320–
首次回答最快GPT-6 Sol首个回答 token 36.9 秒(GPT-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

  • 质量上 Claude Opus 5.5 (max) 领先:68.4 比 62.6。
  • Claude Opus 5.5 (max) 在智能体与工具、编程、知识、长上下文、数学、多模态、推理方面更强。
  • GPT-6 Sol (max) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00)。

概览

规格Claude Opus 5.5GPT-6 Sol
提供商AnthropicOpenAI
发布日期2026年9月22日2026年9月22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 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$2.00 / $10.00 / $0.200
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 Sol (max)领先者
推理72.166.0Claude Opus 5.5
编程78.866.3Claude Opus 5.5
智能体与工具61.358.8Claude Opus 5.5
数学73.268.0Claude Opus 5.5
知识72.560.6Claude Opus 5.5
人类偏好–64.2无法比较
多模态70.260.6Claude Opus 5.5
长上下文67.166.6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-6 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6GPT-6 Sol, 长上下文: 66.6GPT-6 Sol, 多模态: 60.6

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 78 项基准测试中,Claude Opus 5.5 领先 66 项,GPT-6 Sol 领先 11 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-6 Sol (max)领先者
BenchLeader Index68.462.6Claude Opus 5.5
AA Intelligence Index v5.0.159.144.2Claude Opus 5.5
Arena Text1507†1457Claude 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 Sol (max)
每百万 token 混合价格$8.00$4.00
每百万 token 输入 / 输出$4.00 / $20.00$2.00 / $10.00
每百万 token 缓存输入$0.200$0.200
每项任务价格:聊天回复$0.0076$0.0038
每项任务价格:总结一份 30 页的报告$0.060$0.030
每项任务价格:代码编辑$0.054$0.027
每项任务价格:智能体编程会话$0.320$0.160
每项任务价格:结构化信息提取$0.012$0.0060
智能体编程会话(输入大多命中缓存)$0.149$0.079
每项基准测试任务成本(AA Index)$10.04$2.47
每项任务输出 token(AA Index)173k54k
其中推理部分120k35k
每项任务耗时(AA Index)25 min7 min
输出速度116 tok/s127 tok/s
首次回答时间380.2 秒36.9 秒
完整回答耗时(最近一次测量 2026年11月13日)711.4 秒143.8 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 Sol (max) 上花费 $2.47;完成同样的工作,Claude Opus 5.5 (max) 输出的 token 是对方的 3.2 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 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 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 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 163 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 Sol (max)
BenchLeader IndexBenchLeader68.462.6
智能体与工具得分BenchLeader61.358.8
编程得分BenchLeader78.866.3
综合得分BenchLeader70.2–
知识得分BenchLeader72.560.6
长上下文得分BenchLeader67.166.6
数学得分BenchLeader73.268.0
多模态得分BenchLeader70.260.6
推理得分BenchLeader72.166.0
人类偏好得分BenchLeader–64.2
混合价格(美元/百万 token)BenchLeader$8.00$4.00
输出速度BenchLeader116 tok/s127 tok/s
首次回答时间BenchLeader380.2 秒36.9 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.6%94.3%
SimpleBenchSimpleBench88.4%†73.1%†
Arena Hard PromptsArena (LMArena)1530†1483
LiveBench 2.0 ReasoningLiveBench92.2%–
LiveBench 1.0 ReasoningLiveBench92.2%88.7%
Humanity's Last Exam (AA)Artificial Analysis61.4%47.9%
HLE-Diamond (AA)Artificial Analysis67.9%45.2%
ARC-AGI-1ARC Prize97.5%95.5%
ARC-AGI-2ARC Prize91.7%89.6%
ARC-AGI-3ARC Prize–23.0%
CritPtArtificial Analysis31.7%30.9%
CritPt v2 hard subset (AA)Artificial Analysis68.0%66.5%
MysteryMechanismVals AI49.5%30.2%
HLE-Diamond (Scale)Scale AI SEAL55.0%†33.8%†
Arena ExpertArena (LMArena)1545†1496
Chess PuzzlesEpoch AI Benchmarking Hub67.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub71.0%56.0%
LMCAEpoch AI Benchmarking Hub68.2%59.1%
DTBenchEpoch AI Benchmarking Hub98.9%97.3%
编程
SciCodeSciCode66.9%57.6%
FrontierCodeCognition54.6%†49.3%
Arena CodingArena (LMArena)1548†1521
Arena WebDevArena (LMArena)18151673
LiveBench 2.0 CodingLiveBench87.1%–
LiveBench 1.0 CodingLiveBench89.3%81.8%
显示全部 163 项基准测试
指标发布方Claude Opus 5.5 (max)GPT-6 Sol (max)
编程
IOIVals AI95.1%82.6%
Code MigrationVals AI66.7%57.2%
Code Migration v1.1Vals AI81.0%–
ProgramBenchVals AI18.5%2.0%
SWE-bench MultimodalVals AI70.2%–
Vibe Code Bench 1-100Vals AI30.4%†–
Vibe Code Bench v1.1Vals AI90.3%87.8%
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%48.9%
CursorBenchCursor57.8%–
ALE-BenchEpoch AI Benchmarking Hub2147.4†2462
FrontierSWEEpoch AI Benchmarking Hub62.3%–
WeirdML v3WeirdML31.2%†19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%43.9%
Startrise FrontendStartrise80.2%†–
GameBench 2 OverallDuelLab GameBench 287.6†73.0†
GameBench 2 by reasoning settingDuelLab GameBench 294.8†79.4†
Design Arena WebsiteDesign Arena1326†1290†
FrontierCode 1.1 (AA)Artificial Analysis52.2%–
FrontierCode 2.0 (AA)Artificial Analysis46.4%35.6%
智能体与工具
Terminal-BenchTerminal-Bench65.8%50.3%
Remote Labor IndexScale AI / CAIS21.3%†–
APEX-AgentsMercor73.5%54.3%
Arena AgentArena (LMArena)19.56.9
LiveBench Long AgenticLiveBench72.8%–
LiveBench BrowserLiveBench88.4%–
LiveBench Agentic CodingLiveBench71.7%52.9%
Terminal-Bench 2.1 (Vals)Vals AI87.6%†83.2%
MCP AtlasScale AI SEAL85.4%†–
HiL-BenchScale AI SEAL59.0%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis68.3%–
GDPval-AA v2.1Artificial Analysis18661514
ITBench SRE (AA)Artificial Analysis38.2%49.4%
Analyst Agent (AA)Artificial Analysis56.3%–
CUA-benchVals AI14.0%–
CyberBenchVals AI55.4%78.0%
Finance Agent v2Vals AI58.6%49.0%
Finance Agent v2.1Vals AI67.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI9.2%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%1.7%
Legal Research BenchVals AI50.5%28.9%
Robo-benchVals AI14.6%–
SREBenchVals AI33.6%30.5%
Tax Agent BenchVals AI44.5%15.0%
Terminal-Bench 4.0 (Vals)Vals AI65.2%44.4%
Terminal-Bench ScienceVals AI47.1%30.0%
Time Horizon Index: KSPVals AI91.3%–
Web Search IndexVals AI53.8%–
Arena SearchArena (LMArena)1213†1229
Arena Agent Task CompletionArena (LMArena)20.74.5
PostTrainBenchEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs9235.3†14427.9†
SpireClimbEpoch AI Benchmarking Hub5.8%9.2%
AutomationBenchArtificial Analysis69.5%61.6%
GDP.pdf (AA)Artificial Analysis26.2%25.2%
Harvey LAB-AA v1.1Harvey4.2%3.6%
AA-Briefcase v1.1Artificial Analysis18011476
GDPxGDPx by SemiAnalysis12.0%–
Design Arena AgenticDesign Arena1339†1218†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis59.0%30.0%
CWE-Bench (AA)Artificial Analysis58.3%64.2%
DeepSec-Bench (AA)Artificial Analysis26.9%46.3%
CyberGym end-to-end (AA)Artificial Analysis0.8%0.0%
MKA (AA)Artificial Analysis53.0%–
FACTS SearchGoogle88.4%†92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub91.2%89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub95.0%90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI100.0%83.0%†
LiveBench MathematicsLiveBench97.1%96.4%
ArXivMathMathArena82.6%†–
BrokenArXivMathArena77.3%†–
Arena MathsArena (LMArena)1514†1440
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub72.2%60.7%
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.9%–
LiveBench 1.0 Data AnalysisLiveBench80.3%81.2%
AA-Omniscience v1.1Artificial Analysis48.121.4
PRBench LegalScale AI SEAL47.6%†38.6%†
BioMysteryBenchVals AI79.3%74.8%
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.9%71.5%
Excel Modeling Benchmark v1.1Vals AI75.8%–
MedCodeVals AI49.8%47.1%
MedScribeVals AI91.4%82.0%
Public Benefits Bench v1.1Vals AI70.6%56.6%
Access to Justice BenchmarkVals AI73.8%–
Financial Coaching BenchVals AI76.2%62.6%
Immigration BenchVals AI72.1%–
EBR-benchEpoch AI Benchmarking Hub71.4%53.3%
GDP.pdfEpoch AI Benchmarking Hub30.6%26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis65.5%51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis49.7%39.1%
HealthBench Professional (AA)OpenAI59.9%62.3%
FACTS ParametricGoogle58.7%†76.1%†
指令遵循
LiveBench LanguageLiveBench86.3%85.3%
LiveBench Instruction FollowingLiveBench65.7%68.6%
Arena Instruction FollowingArena (LMArena)1518†1449
人类偏好
Arena TextArena (LMArena)1507†1457
EQ-Bench 4EQ-Bench1340†–
EQ-Bench Creative Writing v3EQ-Bench2051†2126†
Arena Creative WritingArena (LMArena)1517†1428
Arena Multi-turnArena (LMArena)1502†1468
Arena Longer QueriesArena (LMArena)1520†1466
多模态
Arena VisionArena (LMArena)1324†1233
LiveBench DesignLiveBench83.3%–
MMMU-ProArtificial Analysis87.7%83.0%
SAGEVals AI91.3%–
Humanity's Sixth SenseScale AI SEAL44.6%†31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub51.2%†36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub83.3%58.3%
VIALS-AAHandshake AI61.5%–
Code2Video-AAArtificial Analysis1536–
AA-3DArtificial Analysis12021131
FACTS MultimodalGoogle56.4%†43.9%†
长上下文
AA-LCR v1.1Artificial Analysis84.7%83.7%
MLCRArtificial Analysis27.8%33.9%
FACTS GroundingGoogle62.5%†83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†163.8†
LiveBench 2.0LiveBench83.4%–
LiveBench 1.0LiveBench83.2%79.3%
AA Intelligence Index v5.0.1Artificial Analysis59.144.2
AA Intelligence Index v4.3.2Artificial Analysis57.647.6
AA Progress Index v1Artificial Analysis350334
Vals IndexVals AI70.1–
Vals Finance IndexVals AI65.3%–
Vals RSI IndexVals AI37.3%28.1%
Vals Science IndexVals AI58.6%45.0%
Vals Router IndexVals AI64.2%†–
Vals Legal IndexVals AI72.4%–
AA Cyber IndexArtificial Analysis28.736.8
安全与诚实
FORTRESSScale AI SEAL5.8%13.5%†
DistressBenchScale AI SEAL75.6%†68.0%†

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 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。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • Claude Opus 5.5 (max):BenchLeader Index 69.3 → 68.8。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • Claude Opus 5.5 (max):2 项分数修订。
  • GPT-6 Sol (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-6 Sol:常见问题

Claude Opus 5.5 比 GPT-6 Sol 更好吗?
质量上 Claude Opus 5.5 (max) 领先:68.4 比 62.6。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-6 Sol 哪个更便宜?价格会变吗?
目前 GPT-6 Sol 更便宜:每百万 token $4.00 比 $8.00(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 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 Arena WebDev 上,Claude Opus 5.5 为 1815,GPT-6 Sol 为 1673。
Claude Opus 5.5 和 GPT-6 Sol 哪个更快?
GPT-6 Sol 输出更快(输出 127 比 116 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 Sol 更好?
Claude Opus 5.5 在智能体任务方面得分更高(类别得分 61 比 59,50 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 Sol 为 50.3%。
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-6 Sol 为 1,050,000)。
哪个延迟更低?
GPT-6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 36.9 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 Sol 的看法一致吗?
在两者都有结果的 78 项基准测试中,Claude Opus 5.5 领先 66 项,GPT-6 Sol 领先 11 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。