BenchLeader

Claude Sonnet 5.5 vs GPT-6 Luna

完整资料:Claude Sonnet 5.5(Anthropic)和 GPT-6 Luna(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 Sonnet 5.5 领先 GPT-6 Luna(BenchLeader Index 64.2 比 55.1)。不过,GPT-6 Luna 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.200 比 $4.00)。在两者都有成绩的所有类别中,Claude Sonnet 5.5 均领先。Claude Sonnet 5.5 输出更快。

要点(截至 2026年11月16日)

  • Claude Sonnet 5.5 的 BenchLeader Index 为 64.2,GPT-6 Luna 为 55.1(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5.5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-6 Luna 每百万 token 混合价格为 $0.200(标价,2026年11月16日)。
  • Claude Sonnet 5.5 比 GPT-6 Luna 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 92 项基准测试中,Claude Sonnet 5.5 领先 86 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 Sonnet 5.5类别得分 70 比 57;FrontierCode 2.0 (AA) 41.7% 比 25.2%高
智能体与工具调用Claude Sonnet 5.5类别得分 71 比 49;Terminal-Bench 63.9% 比 15.2%高
数学Claude Sonnet 5.5类别得分 71 比 64;FrontierMath Tiers 1–3 88.8% 比 79.0%高
推理Claude Sonnet 5.5类别得分 68 比 56;GPQA Diamond 95.6% 比 90.5%高
知识Claude Sonnet 5.5类别得分 57 比 45;SimpleQA Verified 46.5% 比 41.4%高
长文档均可类别得分 66 比 66;AA-LCR v1.1 82.7% 比 83.3%均可
对话质量(人类偏好)–只有 GPT-6 Luna 有 Arena 评分(类别得分 62)无法比较
成本最低GPT-6 Luna每百万 token 混合价格 $0.200 比 $4.00;智能体编程会话 $0.008 比 $0.160–
首次回答最快GPT-6 Luna首个回答 token 73.9 秒(GPT-6 Luna (max))比 290.5 秒(Claude Sonnet 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 Sonnet 5.5 (max) 领先:64.2 比 55.1。
  • Claude Sonnet 5.5 (max) 在智能体与工具、编程、综合、知识、数学、推理方面更强。
  • GPT-6 Luna (max) 在长上下文方面更强。
  • GPT-6 Luna (max) 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.200 比 $4.00)。
  • Claude Sonnet 5.5 (max) 的输出速度是对方的 1.5 倍(152 比 103 token/秒)。

概览

规格Claude Sonnet 5.5GPT-6 Luna
提供商AnthropicOpenAI
发布日期2026年9月28日2026年9月22日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Sonnet 5.5 (max)GPT-6 Luna (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$0.100 / $0.500 / $0.010

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 Sonnet 5.5 (max)GPT-6 Luna (max)领先者
推理67.855.7Claude Sonnet 5.5
编程70.257.3Claude Sonnet 5.5
智能体与工具70.548.5Claude Sonnet 5.5
数学71.363.6Claude Sonnet 5.5
知识57.444.8Claude Sonnet 5.5
人类偏好–62.2无法比较
多模态–57.6无法比较
长上下文66.066.4持平
综合63.044.5Claude Sonnet 5.5

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Claude Sonnet 5.5, 推理: 67.8Claude Sonnet 5.5, 编程: 70.2Claude Sonnet 5.5, 智能体与工具: 70.5Claude Sonnet 5.5, 数学: 71.3Claude Sonnet 5.5, 知识: 57.4Claude Sonnet 5.5, 长上下文: 66.0GPT-6 Luna, 推理: 55.7GPT-6 Luna, 编程: 57.3GPT-6 Luna, 智能体与工具: 48.5GPT-6 Luna, 数学: 63.6GPT-6 Luna, 知识: 44.8GPT-6 Luna, 长上下文: 66.4

未绘制(测得的模型少于两个):指令遵循, 多模态, 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 92 项基准测试中,Claude Sonnet 5.5 领先 86 项,GPT-6 Luna 领先 5 项,1 项持平。所有同时评测两者的综合评分都认为 Claude Sonnet 5.5 更强。

综合 IndexClaude Sonnet 5.5 (max)GPT-6 Luna (max)领先者
BenchLeader Index64.255.1Claude Sonnet 5.5
AA Intelligence Index v5.0.154.527.9Claude Sonnet 5.5
Vals Index70.852.3Claude Sonnet 5.5
Arena Text1473†1441Claude Sonnet 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 Sonnet 5.5 (max)GPT-6 Luna (max)
每百万 token 混合价格$4.00$0.200
每百万 token 输入 / 输出$2.00 / $10.00$0.100 / $0.500
每百万 token 缓存输入$0.100$0.010
每项任务价格:聊天回复$0.0038$0.0002
每项任务价格:总结一份 30 页的报告$0.030$0.0015
每项任务价格:代码编辑$0.027$0.0014
每项任务价格:智能体编程会话$0.160$0.0080
每项任务价格:结构化信息提取$0.0060$0.0003
智能体编程会话(输入大多命中缓存)$0.074$0.0040
每项基准测试任务成本(AA Index)$10.02$0.152
每项任务输出 token(AA Index)285k75k
其中推理部分206k58k
每项任务耗时(AA Index)31 min12 min
输出速度152 tok/s103 tok/s
首次回答时间290.5 秒73.9 秒
完整回答耗时(最近一次测量 2026年11月13日)487.7 秒171.6 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 Sonnet 5.5 (max) 上花费 $10.02,在 GPT-6 Luna (max) 上花费 $0.152;完成同样的工作,Claude Sonnet 5.5 (max) 输出的 token 是对方的 3.8 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 Sonnet 5.5 (max) 得分 64.2,首个回答 token 需 291 秒;Claude Sonnet 5.5 (xhigh) 为 62.5(27 秒),Claude Sonnet 5.5 (high) 为 59.5(9 秒)。GPT-6 Luna (max) 得分 55.1,首个回答 token 需 74 秒;GPT-6 Luna (xhigh) 为 52.0(17 秒),GPT-6 Luna (high) 为 51.1(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 149 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 Sonnet 5.5 (max)GPT-6 Luna (max)
BenchLeader IndexBenchLeader64.255.1
智能体与工具得分BenchLeader70.548.5
编程得分BenchLeader70.257.3
综合得分BenchLeader63.044.5
知识得分BenchLeader57.444.8
长上下文得分BenchLeader66.066.4
数学得分BenchLeader71.363.6
推理得分BenchLeader67.855.7
人类偏好得分BenchLeader–62.2
多模态得分BenchLeader–57.6
混合价格(美元/百万 token)BenchLeader$4.00$0.200
输出速度BenchLeader152 tok/s103 tok/s
首次回答时间BenchLeader290.5 秒73.9 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.6%90.5%
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†–
Arena Hard PromptsArena (LMArena)1499†1464
LiveBench 2.0 ReasoningLiveBench91.6%81.8%
LiveBench 1.0 ReasoningLiveBench91.6%81.8%
Humanity's Last Exam (AA)Artificial Analysis55.0%38.5%
HLE-Diamond (AA)Artificial Analysis53.3%22.2%
ARC-AGI-1ARC Prize96.5%86.7%
ARC-AGI-2ARC Prize83.9%†59.3%
ARC-AGI-3ARC Prize72.4%†0.6%
CritPtArtificial Analysis31.4%19.4%
CritPt v2 hard subset (AA)Artificial Analysis59.0%42.5%
MysteryMechanismVals AI49.1%19.4%
HLE-Diamond (Scale)Scale AI SEAL37.5%†–
Arena ExpertArena (LMArena)1512†1487
Chess PuzzlesEpoch AI Benchmarking Hub59.0%36.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%7.0%
LMCAEpoch AI Benchmarking Hub68.3%44.5%
DTBenchEpoch AI Benchmarking Hub97.3%90.1%
编程
SciCodeSciCode61.0%54.6%
FrontierCodeCognition52.1%†42.4%
Arena CodingArena (LMArena)1517†1501
Arena WebDevArena (LMArena)1772†1577
LiveBench 2.0 CodingLiveBench77.2%70.8%
显示全部 149 项基准测试
指标发布方Claude Sonnet 5.5 (max)GPT-6 Luna (max)
编程
LiveBench 1.0 CodingLiveBench91.4%79.0%
IOIVals AI83.1%55.6%
Code MigrationVals AI69.8%42.5%
Code Migration v1.1Vals AI86.9%46.7%
ProgramBenchVals AI6.5%0.5%
SWE-bench MultimodalVals AI58.3%37.5%
Vibe Code Bench v1.1Vals AI92.4%81.7%
SWE Atlas v1.1Scale AI SEAL68.3%†50.8%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†50.8%†
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†54.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†47.1%†
SWE-Bench Pro V2Scale AI SEAL95.8%†–
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†–
MirrorCodeEpoch AI Benchmarking Hub97.8%26.7%
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†1576.9†
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†7.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%12.6%
Startrise FrontendStartrise75.9%†69.3%†
GameBench 2 OverallDuelLab GameBench 260.4†47.5†
GameBench 2 by reasoning settingDuelLab GameBench 291.4†55.9†
Design Arena WebsiteDesign Arena1309†1268†
FrontierCode 1.1 (AA)Artificial Analysis45.8%41.9%
FrontierCode 2.0 (AA)Artificial Analysis41.7%25.2%
智能体与工具
Terminal-BenchTerminal-Bench63.9%15.2%
APEX-AgentsMercor75.5%44.3%
Arena AgentArena (LMArena)161.6
LiveBench Long AgenticLiveBench63.4%24.7%
LiveBench BrowserLiveBench89.3%70.3%
LiveBench Agentic CodingLiveBench56.3%51.2%
Terminal-Bench 2.1 (Vals)Vals AI83.2%†73.0%
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%46.6%
GDPval-AA v2.1Artificial Analysis18381443
Analyst Agent (AA)Artificial Analysis57.5%43.8%
CyberBenchVals AI59.6%76.3%
Finance Agent v2Vals AI58.1%49.9%
Finance Agent v2.1Vals AI67.3%56.8%
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%4.2%
Harvey's Legal Agent Benchmark v1Vals AI2.9%2.9%
Legal Research BenchVals AI48.1%30.3%
SREBenchVals AI30.1%2.7%
Tax Agent BenchVals AI42.0%19.9%
Terminal-Bench 4.0 (Vals)Vals AI64.1%13.6%
Terminal-Bench ScienceVals AI47.1%4.3%
Arena SearchArena (LMArena)–1211
Arena Agent Task CompletionArena (LMArena)19.5-0.4
Vending-Bench 2Andon Labs11165.3†–
SpireClimbEpoch AI Benchmarking Hub1.3%0.0%
AutomationBenchArtificial Analysis71.8%53.2%
GDP.pdf (AA)Artificial Analysis25.8%22.8%
Harvey LAB-AA v1.1Harvey2.8%3.3%
AA-Briefcase v1.1Artificial Analysis18161337
GDPxGDPx by SemiAnalysis8.2%5.1%
Design Arena AgenticDesign Arena1293†1152†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%8.6%
CWE-Bench (AA)Artificial Analysis–56.7%
DeepSec-Bench (AA)Artificial Analysis–23.5%
CyberGym end-to-end (AA)Artificial Analysis–77.9%
MKA (AA)Artificial Analysis52.0%36.8%
FACTS SearchGoogle86.8%†86.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%79.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%56.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%98.9%
ProofBenchVals AI100.0%64.0%†
LiveBench MathematicsLiveBench96.1%89.1%
Arena MathsArena (LMArena)1486†1449
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%41.4%
LiveBench 2.0 Data AnalysisLiveBench59.5%73.4%
LiveBench ResearchLiveBench88.0%48.5%
LiveBench 1.0 Data AnalysisLiveBench59.5%73.4%
AA-Omniscience v1.1Artificial Analysis30.5-8.3
PRBench LegalScale AI SEAL–42.9%†
BioMysteryBenchVals AI81.1%61.5%
ClaimBenchVals AI100.0%99.2%
Excel Modeling BenchmarkVals AI75.7%68.5%
Excel Modeling Benchmark v1.1Vals AI75.9%70.0%
MedCodeVals AI52.9%44.7%
MedScribeVals AI91.1%83.7%
Public Benefits Bench v1.1Vals AI67.2%57.6%
Access to Justice BenchmarkVals AI74.9%–
Financial Coaching BenchVals AI74.9%65.2%
Immigration BenchVals AI69.0%62.5%
GDP.pdfEpoch AI Benchmarking Hub31.4%23.0%
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%39.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%20.6%
HealthBench Professional (AA)OpenAI63.0%61.9%
FACTS ParametricGoogle35.1%†57.0%†
指令遵循
LiveBench LanguageLiveBench78.0%73.8%
LiveBench Instruction FollowingLiveBench56.8%55.9%
Arena Instruction FollowingArena (LMArena)1482†1436
人类偏好
Arena TextArena (LMArena)1473†1441
Arena Creative WritingArena (LMArena)1464†1408
Arena Multi-turnArena (LMArena)1469†1441
Arena Longer QueriesArena (LMArena)1491†1449
多模态
Arena VisionArena (LMArena)1284†1211
LiveBench DesignLiveBench81.3%76.1%
MMMU-ProArtificial Analysis–79.7%
SAGEVals AI88.0%83.4%
Humanity's Sixth SenseScale AI SEAL–21.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†31.2%†
Furniture AssemblyEpoch AI Benchmarking Hub75.0%44.2%
VIALS-AAHandshake AI59.6%27.3%
Code2Video-AAArtificial Analysis14431030
AA-3DArtificial Analysis12041000
FACTS MultimodalGoogle50.4%†38.7%†
长上下文
AA-LCR v1.1Artificial Analysis82.7%83.3%
MLCRArtificial Analysis41.7%26.1%
FACTS GroundingGoogle62.5%†76.7%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†156.4†
LiveBench 2.0LiveBench77.0%60.4%
LiveBench 1.0LiveBench75.7%72.0%
AA Intelligence Index v5.0.1Artificial Analysis54.527.9
AA Intelligence Index v4.3.2Artificial Analysis5638.1
AA Progress Index v1Artificial Analysis350.5317.1
Vals IndexVals AI70.852.3
Vals Finance IndexVals AI64.5%53.0%
Vals Science IndexVals AI59.1%28.4%
Vals Router IndexVals AI69.0%†52.3%†
Vals Legal IndexVals AI68.0%62.2%
AA Cyber IndexArtificial Analysis–52.7
安全与诚实
FORTRESSScale AI SEAL–10.8%†
DistressBenchScale AI SEAL74.6%†66.7%†

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

  • GPT-6 Luna (max):BenchLeader Index 56.6 → 55.1。
  • Claude Sonnet 5.5 (max):36 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Luna (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
  • Claude Sonnet 5.5 (max):2 项分数修订。
  • GPT-6 Luna (max):1 项分数修订。
  • GPT-6 Luna (max):1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Claude Sonnet 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 Sonnet 5.5 vs GPT-6 Luna:常见问题

Claude Sonnet 5.5 比 GPT-6 Luna 更好吗?
质量上 Claude Sonnet 5.5 (max) 领先:64.2 比 55.1。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 Sonnet 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Sonnet 5.5 和 GPT-6 Luna 哪个更便宜?价格会变吗?
目前 GPT-6 Luna 更便宜:每百万 token $0.200 比 $4.00(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 Sonnet 5.5 还是 GPT-6 Luna 更好?
Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 57,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Claude Sonnet 5.5 为 41.7%,GPT-6 Luna 为 25.2%。
Claude Sonnet 5.5 和 GPT-6 Luna 哪个更快?
Claude Sonnet 5.5 输出更快(输出 152 比 103 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5.5 还是 GPT-6 Luna 更好?
Claude Sonnet 5.5 在智能体任务方面得分更高(类别得分 71 比 49,50 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 Sonnet 5.5 为 63.9%,GPT-6 Luna 为 15.2%。
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(66 比 66)。两者都约为 1.1M token(Claude Sonnet 5.5 为 1,000,000,GPT-6 Luna 为 1,050,000)。
哪个延迟更低?
GPT-6 Luna 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 73.9 秒比 290.5 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 Sonnet 5.5 和 GPT-6 Luna 的看法一致吗?
在两者都有结果的 92 项基准测试中,Claude Sonnet 5.5 领先 86 项,GPT-6 Luna 领先 5 项,1 项持平。所有同时评测两者的综合评分都认为 Claude Sonnet 5.5 更强。
Claude Sonnet 5.5 是什么时候发布的?
Claude Sonnet 5.5 于 2026年9月28日 发布。