BenchLeader

Claude Opus 5 vs GPT-5.6 Sol

完整资料:Claude Opus 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 与 GPT-5.6 Sol 的质量不相上下(BenchLeader Index 65.0 比 65.3,在 ±3.6 的误差范围内)。GPT-5.6 Sol 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $8.00 比 $10.00)。看重知识(65 比 64)、推理(66 比 65)和多模态(67 比 66)选 Claude Opus 5;看重智能体与工具(68 比 64)和长上下文(67 比 64)选 GPT-5.6 Sol。

要点(截至 2026年11月16日)

  • Claude Opus 5 的 BenchLeader Index 为 65.0,GPT-5.6 Sol 为 65.3(BenchLeader,2026年11月16日)。
  • Claude Opus 5 每百万 token 混合价格为 $10.00(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 80 项基准测试中,Claude Opus 5 领先 51 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类别得分 67 比 66;LiveCodeBench 89.0% 比 82.6%中
智能体与工具调用GPT-5.6 Sol类别得分 68 比 64;τ³-Banking (AA) 44.3% 比 42.1%中
数学均可类别得分 70 比 70;FrontierMath Tiers 1–3 85.6% 比 89.1%均可
推理Claude Opus 5类别得分 66 比 65;GPQA Diamond 93.9% 比 93.5%中
知识Claude Opus 5类别得分 65 比 64;MMLU-Pro 91.6% 比 89.1%中
长文档GPT-5.6 Sol类别得分 67 比 64;AA-LCR v1.1 84.0% 比 79.3%中
图像及其他媒体Claude Opus 5类别得分 67 比 66;MMMU-Pro 84.7% 比 83.4%中
对话质量(人类偏好)–只有 Claude Opus 5 有 Arena 评分(类别得分 68)无法比较
成本最低GPT-5.6 Sol每百万 token 混合价格 $8.00 比 $10.00;智能体编程会话 $0.320 比 $0.400–
首次回答最快GPT-5.6 Sol首个回答 token 33.5 秒(GPT-5.6 Sol (max))比 48.5 秒(Claude Opus 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 (max) 与 GPT-5.6 Sol (max) 的质量不相上下(65.0 比 65.3,在 ±3.6 的误差范围内)。
  • Claude Opus 5 (max) 在编程、知识、多模态、推理方面更强。
  • GPT-5.6 Sol (max) 在智能体与工具、长上下文、数学方面更强。
  • GPT-5.6 Sol (max) 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $8.00 比 $10.00)。

概览

规格Claude Opus 5GPT-5.6 Sol
提供商AnthropicOpenAI
发布日期2026年7月24日2026年7月9日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Opus 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)$5.00 / $25.00 / $0.500$4.00 / $20.00 / $0.400

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 (max)GPT-5.6 Sol (max)领先者
推理66.164.7Claude Opus 5
编程67.065.8Claude Opus 5
智能体与工具63.867.5GPT-5.6 Sol
数学69.870.0持平
知识65.263.8Claude Opus 5
指令遵循–71.2无法比较
人类偏好68.1–无法比较
多模态67.265.9Claude Opus 5
长上下文64.366.7GPT-5.6 Sol

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, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 智能体与工具: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知识: 65.2Claude Opus 5, 长上下文: 64.3Claude Opus 5, 多模态: 67.2GPT-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 80 项基准测试中,Claude Opus 5 领先 51 项,GPT-5.6 Sol 领先 27 项,2 项持平。所有同时评测两者的综合评分都认为 Claude Opus 5 更强。

综合 IndexClaude Opus 5 (max)GPT-5.6 Sol (max)领先者
BenchLeader Index65.065.3不相上下
Arena Text14891485†Claude Opus 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 (max)GPT-5.6 Sol (max)
每百万 token 混合价格$10.00$8.00
每百万 token 输入 / 输出$5.00 / $25.00$4.00 / $20.00
每百万 token 缓存输入$0.500$0.400
每项任务价格:聊天回复$0.0095$0.0076
每项任务价格:总结一份 30 页的报告$0.075$0.060
每项任务价格:代码编辑$0.068$0.054
每项任务价格:智能体编程会话$0.400$0.320
每项任务价格:结构化信息提取$0.015$0.012
智能体编程会话(输入大多命中缓存)$0.198$0.158
每项基准测试任务成本(AA Index)$11.82–
每项任务输出 token(AA Index)118k–
其中推理部分73k–
每项任务耗时(AA Index)25 min–
输出速度80 tok/s100 tok/s
首次回答时间48.5 秒33.5 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 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 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(2 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 158 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 (max)GPT-5.6 Sol (max)
BenchLeader IndexBenchLeader65.065.3
智能体与工具得分BenchLeader63.867.5
编程得分BenchLeader67.065.8
人类偏好得分BenchLeader68.1–
知识得分BenchLeader65.263.8
长上下文得分BenchLeader64.366.7
数学得分BenchLeader69.870.0
多模态得分BenchLeader67.265.9
推理得分BenchLeader66.164.7
指令遵循得分BenchLeader–71.2
混合价格(美元/百万 token)BenchLeader$10.00$8.00
输出速度BenchLeader80 tok/s100 tok/s
首次回答时间BenchLeader48.5 秒33.5 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%93.5%
SimpleBenchSimpleBench80.6%†64.8%†
Arena Hard PromptsArena (LMArena)15131511†
LiveBench 1.0 ReasoningLiveBench91.2%91.7%
GPQA Diamond (AA)Artificial Analysis93.2%94.1%
Humanity's Last Exam (AA)Artificial Analysis54.9%49.5%
HLE-Diamond (AA)Artificial Analysis44.8%–
GPQA Diamond (Vals)Vals AI93.4%†95.2%
EnigmaEvalScale AI SEAL–37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.0%†
ARC-AGI-1ARC Prize97.5%96.5%
ARC-AGI-2ARC Prize90.4%92.5%
ARC-AGI-3ARC Prize30.2%†7.8%
CritPtArtificial Analysis29.1%32.3%
CritPt v2 hard subset (AA)Artificial Analysis50.0%60.0%
MysteryMechanismVals AI37.4%33.3%
HLE-Diamond (Scale)Scale AI SEAL38.6%†31.2%†
Arena ExpertArena (LMArena)15301532†
Chess PuzzlesEpoch AI Benchmarking Hub43.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%58.0%
LMCAEpoch AI Benchmarking Hub63.3%58.4%
DTBenchEpoch AI Benchmarking Hub97.6%95.5%
ForecastBenchForecastBench66.6%65.7%
BTF-3Epoch AI Benchmarking Hub12.0%†13.7%
编程
SciCodeSciCode56.4%57.1%
显示全部 158 项基准测试
指标发布方Claude Opus 5 (max)GPT-5.6 Sol (max)
编程
WeirdMLWeirdML91.8%87.0%
FrontierCodeCognition53.4%47.5%†
GSO-BenchGSO-Bench–76.5%†
Arena CodingArena (LMArena)15281533†
Arena WebDevArena (LMArena)16911615†
LiveBench 1.0 CodingLiveBench81.5%83.9%
LiveCodeBenchVals AI89.0%82.6%
IOIVals AI84.3%91.2%
SWE-bench (Vals)Vals AI97.0%†96.2%
Code MigrationVals AI57.5%52.9%
ProgramBenchVals AI3.0%1.5%
Vibe Code Bench 1-100Vals AI28.5%20.0%
Vibe Code Bench v1.1Vals AI88.4%†80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†46.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†45.9%†
SWE-Bench Pro V2Scale AI SEAL99.4%†95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†82.4%†
MirrorCodeEpoch AI Benchmarking Hub87.8%20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%72.7%
CursorBenchCursor46.6%41.7%
ALE-BenchEpoch AI Benchmarking Hub2164.6†2176.9
FrontierSWEEpoch AI Benchmarking Hub52.0%32.2%
WeirdML v3WeirdML19.0%†15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%88.0%
Startrise FrontendStartrise82.3%†66.2%†
GameBench 2 OverallDuelLab GameBench 276.5†67.0†
GameBench 2 by reasoning settingDuelLab GameBench 284.8†80.0†
Design Arena WebsiteDesign Arena1304†1319†
FrontierCode 2.0 (AA)Artificial Analysis31.1%–
智能体与工具
Terminal-BenchTerminal-Bench52.1%38.5%
OSWorld-Verified 2.0OSWorld31.4%27.3%
APEX-AgentsMercor65.8%51.4%†
Arena AgentArena (LMArena)7.24.6†
LiveBench Agentic CodingLiveBench65.2%56.2%
Terminal-Bench HardArtificial Analysis–65.9%
τ²-Bench Telecom (AA)Artificial Analysis–85.1%
Terminal-Bench 2.1 (Vals)Vals AI84.6%†85.8%
MCP AtlasScale AI SEAL85.8%†–
HiL-BenchScale AI SEAL57.0%†32.3%†
τ³-bench Bankingτ²-bench48.7%46.9%†
GDPval-AA v2.1Artificial Analysis17291619
τ³-Banking (AA)Artificial Analysis42.1%44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis53.8%47.5%
CUA-benchVals AI9.0%8.3%
CyberBenchVals AI65.4%76.3%
Finance Agent v2Vals AI58.6%53.8%
Harvey's Legal Agent Benchmark v1Vals AI6.7%2.5%
Legal Research BenchVals AI55.3%48.1%
SkillsBenchVals AI60.4%54.1%
SREBenchVals AI12.2%30.5%
Tax Agent BenchVals AI47.1%31.1%
Terminal-Bench 4.0 (Vals)Vals AI53.5%37.9%
Terminal-Bench ScienceVals AI27.1%20.0%
Time Horizon Index: KSPVals AI18.8%23.8%
Web Search IndexVals AI–43.6%
Arena SearchArena (LMArena)1213†1255†
Arena Agent Task CompletionArena (LMArena)10.22.3†
BALROGBALROG63.4%60.0%
PostTrainBenchEpoch AI Benchmarking Hub35.7%†31.0%
GBAEvalEpoch AI Benchmarking Hub79.6%†52.6%†
Vending-Bench 2Andon Labs11181.9†9619.4†
AutomationBenchArtificial Analysis56.6%60.1%
GDP.pdf (AA)Artificial Analysis21.6%27.2%
EnterpriseOps-GymArtificial Analysis47.5%42.9%
AA-Briefcase v1.1Artificial Analysis16541479
Design Arena AgenticDesign Arena1270†1238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%22.4%
DeepSec-Bench (AA)Artificial Analysis25.9%–
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI99.0%83.0%
LiveBench MathematicsLiveBench95.7%96.2%
Arena MathsArena (LMArena)15151494†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%69.7%
LiveBench 1.0 Data AnalysisLiveBench74.5%79.8%
AA-Omniscience v1.1Artificial Analysis37.6–
MMLU-ProVals AI91.6%89.1%
LegalBenchVals AI87.0%87.0%
CorpFinVals AI73.2%†64.4%
TaxEvalVals AI75.1%†74.8%
PRBench FinanceScale AI SEAL–50.5%
PRBench LegalScale AI SEAL–50.5%
BioMysteryBenchVals AI79.3%71.1%
Excel Modeling BenchmarkVals AI73.6%72.3%
MedCodeVals AI63.6%44.0%
MedScribeVals AI91.0%85.2%
Public Benefits Bench v1.1Vals AI76.9%66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL53.7%56.5%
EBR-benchEpoch AI Benchmarking Hub45.7%44.8%
GDP.pdfEpoch AI Benchmarking Hub24.0%30.7%
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%–
FACTS ParametricGoogle48.8%†81.1%†
指令遵循
LiveBench LanguageLiveBench88.7%87.7%
LiveBench Instruction FollowingLiveBench63.8%71.8%
IFBenchArtificial Analysis–72.7%
Arena Instruction FollowingArena (LMArena)14941490†
人类偏好
Arena TextArena (LMArena)14891485†
EQ-Bench 4EQ-Bench1365†1236†
EQ-Bench Creative Writing v3EQ-Bench2135†1974†
Arena Creative WritingArena (LMArena)14731471†
Arena Multi-turnArena (LMArena)14861491†
Arena Longer QueriesArena (LMArena)15021498†
多模态
Arena VisionArena (LMArena)1318†1282†
MMMU-ProArtificial Analysis84.7%83.4%
MMMU-Pro (Vals)Vals AI89.9%88.8%
MortgageTaxVals AI72.1%†67.3%
Humanity's Sixth SenseScale AI SEAL30.5%30.0%
GeoBenchGeoBench–73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub60.8%56.7%
FACTS MultimodalGoogle–46.4%†
长上下文
AA-LCR v1.1Artificial Analysis79.3%84.0%
Arena DocumentArena (LMArena)1486†1487†
MLCRArtificial Analysis11.1%30.0%
FACTS GroundingGoogle–61.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†163.0†
LiveBench 1.0LiveBench80.1%81.0%
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis50.847.0
AA Progress Index v1Artificial Analysis333.7331.5
Vals RSI IndexVals AI33.0%23.9%
Vals Science IndexVals AI47.9%41.5%
Vals Multimodal IndexVals AI73.9%†72.6%
安全与诚实
FORTRESSScale AI SEAL16.8%†20.1%†
DistressBenchScale AI SEAL70.2%†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 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):1 项分数修订。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):1 项分数修订。
  • Claude Opus 5 (max):7 项新结果(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • GPT-5.6 Sol (max):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 5 vs GPT-5.6 Sol:常见问题

Claude Opus 5 比 GPT-5.6 Sol 更好吗?
Claude Opus 5 (max) 与 GPT-5.6 Sol (max) 的质量不相上下(65.0 比 65.3,在 ±3.6 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 和 GPT-5.6 Sol 哪个更便宜?价格会变吗?
目前 GPT-5.6 Sol 更便宜:每百万 token $8.00 比 $10.00(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 还是 GPT-5.6 Sol 更好?
Claude Opus 5 在编程方面得分更高(类别得分 67 比 66,50 为平均水平)。在两者共同的最主要编程基准测试 LiveCodeBench 上,Claude Opus 5 为 89.0%,GPT-5.6 Sol 为 82.6%。
Claude Opus 5 和 GPT-5.6 Sol 哪个更快?
GPT-5.6 Sol 输出更快(输出 100 比 80 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 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 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 为 52.1%,GPT-5.6 Sol 为 38.5%。
更多问题(4)
处理长文档哪个更好?
GPT-5.6 Sol 在长上下文基准测试上得分更高(67 比 64)。两者都约为 1.1M token(Claude Opus 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 48.5 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 和 GPT-5.6 Sol 的看法一致吗?
在两者都有结果的 80 项基准测试中,Claude Opus 5 领先 51 项,GPT-5.6 Sol 领先 27 项,2 项持平。所有同时评测两者的综合评分都认为 Claude Opus 5 更强。
Claude Opus 5 是什么时候发布的?
Claude Opus 5 于 2026年7月24日 发布。