BenchLeader

Claude Opus 5 vs GPT-6.1 Sol

完整资料:Claude Opus 5(Anthropic)和 GPT-6.1 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 15 个来源

截至 2026年11月16日,Claude Opus 5 与 GPT-6.1 Sol 的质量不相上下(BenchLeader Index 65.0 比 66.6,在 ±2.5 的误差范围内)。GPT-6.1 Sol 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.00 比 $10.00)。看重多模态(67 比 66)和人类偏好(68 比 67)选 Claude Opus 5;看重知识(72 比 65)、推理(71 比 66)和编程(71 比 67)选 GPT-6.1 Sol。Claude Opus 5 的首次回答更快(48.5 秒 比 166.7 秒)。Claude Opus 5 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 5 的 BenchLeader Index 为 65.0,GPT-6.1 Sol 为 66.6(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-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Claude Opus 5 比 GPT-6.1 Sol 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 77 项基准测试中,GPT-6.1 Sol 领先 47 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5 的评分为 1691,GPT-6.1 Sol 为 1743(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GPT-6.1 Sol类别得分 71 比 67;Arena WebDev 1743 比 1691中
智能体与工具调用均可类别得分 64 比 64;Terminal-Bench 52.1% 比 60.9%均可
数学GPT-6.1 Sol类别得分 72 比 70;FrontierMath Tiers 1–3 93.7% 比 85.6%中
推理GPT-6.1 Sol类别得分 71 比 66;GPQA Diamond 95.4% 比 93.9%中
知识GPT-6.1 Sol类别得分 72 比 65;SimpleQA Verified 73.9% 比 59.9%中
长文档GPT-6.1 Sol类别得分 66 比 64;AA-LCR v1.1 83.0% 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 86.0%中
对话质量(人类偏好)Claude Opus 5Arena 投票 68 比 67中
成本最低GPT-6.1 Sol每百万 token 混合价格 $4.00 比 $10.00;智能体编程会话 $0.160 比 $0.400–
首次回答最快Claude Opus 5首个回答 token 48.5 秒(Claude Opus 5 (max))比 166.7 秒(GPT-6.1 Sol (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-6.1 Sol (max) 的质量不相上下(65.0 比 66.6,在 ±2.5 的误差范围内)。
  • Claude Opus 5 (max) 在人类偏好、多模态方面更强。
  • GPT-6.1 Sol (max) 在智能体与工具、编程、知识、长上下文、数学、推理方面更强。
  • GPT-6.1 Sol (max) 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.00 比 $10.00)。
  • Claude Opus 5 (max) 的输出速度是对方的 1.6 倍(80 比 50 token/秒)。

概览

规格Claude Opus 5GPT-6.1 Sol
提供商AnthropicOpenAI
发布日期2026年7月24日2026年9月29日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Opus 5 (max)GPT-6.1 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$2.00 / $10.00 / $0.100

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-6.1 Sol (max)领先者
推理66.171.4GPT-6.1 Sol
编程67.071.1GPT-6.1 Sol
智能体与工具63.864.3持平
数学69.871.6GPT-6.1 Sol
知识65.271.5GPT-6.1 Sol
人类偏好68.167.1Claude Opus 5
多模态67.265.6Claude Opus 5
长上下文64.366.2GPT-6.1 Sol
综合–67.9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人类偏好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: 67.2Claude Opus 5, 人类偏好: 68.1GPT-6.1 Sol, 推理: 71.4GPT-6.1 Sol, 编程: 71.1GPT-6.1 Sol, 智能体与工具: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知识: 71.5GPT-6.1 Sol, 长上下文: 66.2GPT-6.1 Sol, 多模态: 65.6GPT-6.1 Sol, 人类偏好: 67.1

未绘制(测得的模型少于两个):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 77 项基准测试中,Claude Opus 5 领先 29 项,GPT-6.1 Sol 领先 47 项,1 项持平。第三方来源看法不一:Claude Opus 5 在 Arena Text 上领先;GPT-6.1 Sol 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexClaude Opus 5 (max)GPT-6.1 Sol (max)领先者
BenchLeader Index65.066.6不相上下
AA Intelligence Index v5.0.144.254.6GPT-6.1 Sol
Arena Text14891481Claude 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-6.1 Sol (max)
每百万 token 混合价格$10.00$4.00
每百万 token 输入 / 输出$5.00 / $25.00$2.00 / $10.00
每百万 token 缓存输入$0.500$0.100
每项任务价格:聊天回复$0.0095$0.0038
每项任务价格:总结一份 30 页的报告$0.075$0.030
每项任务价格:代码编辑$0.068$0.027
每项任务价格:智能体编程会话$0.400$0.160
每项任务价格:结构化信息提取$0.015$0.0060
智能体编程会话(输入大多命中缓存)$0.198$0.074
每项基准测试任务成本(AA Index)$11.82$1.27
每项任务输出 token(AA Index)118k68k
其中推理部分73k49k
每项任务耗时(AA Index)25 min23 min
输出速度80 tok/s50 tok/s
首次回答时间48.5 秒166.7 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 秒429.6 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 (max) 上花费 $11.82,在 GPT-6.1 Sol (max) 上花费 $1.27;完成同样的工作,Claude Opus 5 (max) 输出的 token 是对方的 1.7 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 (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-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 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 187 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-6.1 Sol (max)
BenchLeader IndexBenchLeader65.066.6
智能体与工具得分BenchLeader63.864.3
编程得分BenchLeader67.071.1
人类偏好得分BenchLeader68.167.1
知识得分BenchLeader65.271.5
长上下文得分BenchLeader64.366.2
数学得分BenchLeader69.871.6
多模态得分BenchLeader67.265.6
推理得分BenchLeader66.171.4
综合得分BenchLeader–67.9
混合价格(美元/百万 token)BenchLeader$10.00$4.00
输出速度BenchLeader80 tok/s50 tok/s
首次回答时间BenchLeader48.5 秒166.7 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%95.4%
SimpleBenchSimpleBench80.6%†82.9%†
Arena Hard PromptsArena (LMArena)15131505
LiveBench 2.0 ReasoningLiveBench–92.6%
LiveBench 1.0 ReasoningLiveBench91.2%92.6%
GPQA Diamond (AA)Artificial Analysis93.2%–
Humanity's Last Exam (AA)Artificial Analysis54.9%52.9%
HLE-Diamond (AA)Artificial Analysis44.8%58.8%
GPQA Diamond (Vals)Vals AI93.4%†–
ARC-AGI-1ARC Prize97.5%96.5%
ARC-AGI-2ARC Prize90.4%94.2%
ARC-AGI-3ARC Prize30.2%†96.2%
CritPtArtificial Analysis29.1%31.7%
CritPt v2 hard subset (AA)Artificial Analysis50.0%69.5%
MysteryMechanismVals AI37.4%46.4%
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)15301525
Chess PuzzlesEpoch AI Benchmarking Hub43.0%68.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%80.0%
LMCAEpoch AI Benchmarking Hub63.3%62.8%
DTBenchEpoch AI Benchmarking Hub97.6%96.5%
ForecastBenchForecastBench66.6%–
BTF-3Epoch AI Benchmarking Hub12.0%†–
编程
SciCodeSciCode56.4%54.2%
WeirdMLWeirdML91.8%–
显示全部 187 项基准测试
指标发布方Claude Opus 5 (max)GPT-6.1 Sol (max)
编程
FrontierCodeCognition53.4%50.2%†
Arena CodingArena (LMArena)15281540
Arena WebDevArena (LMArena)16911743
LiveBench 2.0 CodingLiveBench–82.1%
LiveBench 1.0 CodingLiveBench81.5%80.4%
LiveCodeBenchVals AI89.0%–
IOIVals AI84.3%96.9%
SWE-bench (Vals)Vals AI97.0%†–
Code MigrationVals AI57.5%65.1%
Code Migration v1.1Vals AI–77.3%
ProgramBenchVals AI3.0%3.0%
SWE-bench MultimodalVals AI–43.5%
Vibe Code Bench 1-100Vals AI28.5%–
Vibe Code Bench v1.1Vals AI88.4%†88.9%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
SWE Atlas v1.1Scale AI SEAL–65.9%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–71.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%†
SWE-Bench Pro V2Scale AI SEAL99.4%†96.1%†
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%61.1%
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%–
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†2743.8
FrontierSWEEpoch AI Benchmarking Hub52.0%–
WeirdML v3WeirdML19.0%†38.3%†
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%56.1%
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%–
Startrise FrontendStartrise82.3%†78.6%†
GameBench 2 OverallDuelLab GameBench 276.5†84.9†
GameBench 2 by reasoning settingDuelLab GameBench 284.8†92.0†
Design Arena WebsiteDesign Arena1304†1315†
FrontierCode 1.1 (AA)Artificial Analysis–49.1%
FrontierCode 2.0 (AA)Artificial Analysis31.1%40.6%
智能体与工具
Terminal-BenchTerminal-Bench52.1%60.9%
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%60.0%
Arena AgentArena (LMArena)7.212.5
LiveBench Long AgenticLiveBench–65.6%
LiveBench BrowserLiveBench–93.3%
LiveBench Agentic CodingLiveBench65.2%54.5%
Terminal-Bench 2.1 (Vals)Vals AI84.6%†–
MCP AtlasScale AI SEAL85.8%†–
HiL-BenchScale AI SEAL57.0%†62.3%†
τ³-bench Bankingτ²-bench48.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.8%
GDPval-AA v2.1Artificial Analysis17291607
τ³-Banking (AA)Artificial Analysis42.1%–
Analyst Agent (AA)Artificial Analysis53.8%50.0%
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%39.3%
Finance Agent v2Vals AI58.6%52.0%
Finance Agent v2.1Vals AI–61.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–6.3%
Harvey's Legal Agent Benchmark v1Vals AI6.7%5.4%
Legal Research BenchVals AI55.3%38.5%
Robo-benchVals AI–28.3%
SkillsBenchVals AI60.4%–
SREBenchVals AI12.2%50.8%
Tax Agent BenchVals AI47.1%21.8%
Terminal-Bench 4.0 (Vals)Vals AI53.5%55.0%
Terminal-Bench ScienceVals AI27.1%52.9%
Time Horizon Index: KSPVals AI18.8%–
Arena SearchArena (LMArena)1213†1249
Arena Agent Task CompletionArena (LMArena)10.211.7
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†38.8%
GBAEvalEpoch AI Benchmarking Hub79.6%†–
Vending-Bench 2Andon Labs11181.9†12860.6†
SpireClimbEpoch AI Benchmarking Hub–23.8%
AutomationBenchArtificial Analysis56.6%64.9%
GDP.pdf (AA)Artificial Analysis21.6%31.0%
Harvey LAB-AA v1.1Harvey–6.9%
EnterpriseOps-GymArtificial Analysis47.5%–
AA-Briefcase v1.1Artificial Analysis16541555
GDPxGDPx by SemiAnalysis–8.4%
Design Arena AgenticDesign Arena1270†1375
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%58.1%
DeepSec-Bench (AA)Artificial Analysis25.9%–
MKA (AA)Artificial Analysis–47.7%
FACTS SearchGoogle–92.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI99.0%99.0%†
LiveBench MathematicsLiveBench95.7%96.8%
ArXivMathMathArena–92.8%
BrokenArXivMathArena–83.1%
Arena MathsArena (LMArena)15151499
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%4.4%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%73.9%
LiveBench 2.0 Data AnalysisLiveBench–82.7%
LiveBench ResearchLiveBench–90.0%
LiveBench 1.0 Data AnalysisLiveBench74.5%82.7%
AA-Omniscience v1.1Artificial Analysis37.642.0
MMLU-ProVals AI91.6%–
LegalBenchVals AI87.0%–
CorpFinVals AI73.2%†–
TaxEvalVals AI75.1%†–
PRBench FinanceScale AI SEAL–46.2%†
PRBench LegalScale AI SEAL–47.9%†
BioMysteryBenchVals AI79.3%79.6%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI73.6%70.8%
Excel Modeling Benchmark v1.1Vals AI–71.1%
MedCodeVals AI63.6%48.8%
MedScribeVals AI91.0%86.5%
Public Benefits Bench v1.1Vals AI76.9%59.3%
Access to Justice BenchmarkVals AI–65.8%
Financial Coaching BenchVals AI–68.5%
Immigration BenchVals AI–67.8%
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%54.3%
GDP.pdfEpoch AI Benchmarking Hub24.0%35.0%
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%61.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%48.1%
HealthBench Professional (AA)OpenAI–65.1%
FACTS ParametricGoogle48.8%†83.8%†
指令遵循
LiveBench LanguageLiveBench88.7%90.1%
LiveBench Instruction FollowingLiveBench63.8%74.2%
MultiChallengeScale AI SEAL–82.0%†
Arena Instruction FollowingArena (LMArena)14941482
人类偏好
Arena TextArena (LMArena)14891481
EQ-Bench 4EQ-Bench1365†1272†
EQ-Bench Creative Writing v3EQ-Bench2135†–
Arena Creative WritingArena (LMArena)14731449
Arena Multi-turnArena (LMArena)14861486
Arena Longer QueriesArena (LMArena)15021488
多模态
Arena VisionArena (LMArena)1318†1286
LiveBench DesignLiveBench–79.6%
MMMU-ProArtificial Analysis84.7%86.0%
MMMU-Pro (Vals)Vals AI89.9%–
MortgageTaxVals AI72.1%†–
SAGEVals AI–90.5%
Humanity's Sixth SenseScale AI SEAL30.5%46.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†43.2%†
Furniture AssemblyEpoch AI Benchmarking Hub60.8%80.0%
VIALS-AAHandshake AI–59.0%
Code2Video-AAArtificial Analysis–1369
AA-3DArtificial Analysis–1121
FACTS MultimodalGoogle–52.6%†
长上下文
AA-LCR v1.1Artificial Analysis79.3%83.0%
Arena DocumentArena (LMArena)1486†–
MLCRArtificial Analysis11.1%38.3%
FACTS GroundingGoogle–78.0%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†168.5†
LiveBench 2.0LiveBench–81.4%
LiveBench 1.0LiveBench80.1%81.6%
AA Intelligence Index v5.0.1Artificial Analysis44.254.6
AA Intelligence Index v4.3.2Artificial Analysis50.851.8
AA Progress Index v1Artificial Analysis333.7348.5
Vals IndexVals AI–63.9
Vals Finance IndexVals AI–55.8%
Vals RSI IndexVals AI33.0%26.6%
Vals Science IndexVals AI47.9%59.6%
Vals Multimodal IndexVals AI73.9%†–
Vals Router IndexVals AI–63.9%†
Vals Legal IndexVals AI–68.7%
安全与诚实
FORTRESSScale AI SEAL16.8%†–
DistressBenchScale AI SEAL70.2%†74.2%†

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…)。
  • GPT-6.1 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • GPT-6.1 Sol (max):1 项新结果(MirrorCode);1 项分数修订。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。

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 vs GPT-6.1 Sol:常见问题

Claude Opus 5 比 GPT-6.1 Sol 更好吗?
Claude Opus 5 (max) 与 GPT-6.1 Sol (max) 的质量不相上下(65.0 比 66.6,在 ±2.5 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-6.1 Sol 哪个更便宜?价格会变吗?
目前 GPT-6.1 Sol 更便宜:每百万 token $4.00 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-6.1 Sol 更好?
GPT-6.1 Sol 在编程方面得分更高(类别得分 71 比 67,50 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 为 1691,GPT-6.1 Sol 为 1743。
Claude Opus 5 和 GPT-6.1 Sol 哪个更快?
Claude Opus 5 输出更快(约 1.5 倍;输出 80 比 50 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5 还是 GPT-6.1 Sol 更好?
两者在智能体任务方面持平(类别得分 64 比 64)。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-6.1 Sol 为 60.9%。
更多问题(4)
处理长文档哪个更好?
GPT-6.1 Sol 在长上下文基准测试上得分更高(66 比 64)。两者都约为 1.1M token(Claude Opus 5 为 1,000,000,GPT-6.1 Sol 为 1,050,000)。
哪个延迟更低?
Claude Opus 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 48.5 秒比 166.7 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-6.1 Sol 的看法一致吗?
在两者都有结果的 77 项基准测试中,Claude Opus 5 领先 29 项,GPT-6.1 Sol 领先 47 项,1 项持平。第三方来源看法不一:Claude Opus 5 在 Arena Text 上领先;GPT-6.1 Sol 在 AA Intelligence Index v5.0.1 上领先。
GPT-6.1 Sol 是什么时候发布的?
GPT-6.1 Sol 于 2026年9月29日 发布。