BenchLeader

Claude Sonnet 5 vs GPT-5.6 Terra

完整资料:Claude Sonnet 5(Anthropic)和 GPT-5.6 Terra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,Claude Sonnet 5 与 GPT-5.6 Terra 的质量不相上下(BenchLeader Index 59.0 比 60.1,在 ±4.7 的误差范围内)。两者价格相近(每百万 token 混合价格 $4.00 比 $4.50)。看重推理(65 比 55)选 Claude Sonnet 5;看重智能体与工具(63 比 53)和长上下文(64 比 63)选 GPT-5.6 Terra。

要点(截至 2026年11月16日)

  • Claude Sonnet 5 的 BenchLeader Index 为 59.0,GPT-5.6 Terra 为 60.1(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-5.6 Terra 每百万 token 混合价格为 $4.50(标价,2026年11月16日)。
  • 在两者都有结果的 28 项基准测试中,GPT-5.6 Terra 领先 18 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Sonnet 5 的评分为 1539,GPT-5.6 Terra 为 1520(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
编程均可类别得分 60 比 59;Arena WebDev 1539 比 1520均可
智能体与工具调用GPT-5.6 Terra类别得分 63 比 53;Arena Agent -1.8 比 2高
数学均可类别得分 65 比 66;Arena Maths 1472 比 1478均可
推理Claude Sonnet 5类别得分 65 比 55;Arena Hard Prompts 1490 比 1491高
长文档GPT-5.6 Terra类别得分 64 比 63;AA-LCR v1.1 79.0% 比 76.7%中
图像及其他媒体均可类别得分 61 比 61;Arena Vision 1272 比 1269均可
对话质量(人类偏好)均可Arena 投票 65 比 66均可
成本最低均可每百万 token 混合价格 $4.00 比 $4.50;智能体编程会话 $0.160 比 $0.168–
首次回答最快均可首个回答 token 15.8 秒(Claude Sonnet 5 (high))比 19.2 秒(GPT-5.6 Terra (xhigh))–
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 Sonnet 5 (high) 与 GPT-5.6 Terra (xhigh) 的质量不相上下(59.0 比 60.1,在 ±4.7 的误差范围内)。
  • Claude Sonnet 5 (high) 在编程、推理方面更强。
  • GPT-5.6 Terra (xhigh) 在智能体与工具、人类偏好、长上下文、数学、多模态方面更强。
  • 两者价格相近(每百万 token 混合价格 $4.00)。

概览

规格Claude Sonnet 5GPT-5.6 Terra
提供商AnthropicOpenAI
发布日期2026年6月30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 Sonnet 5 (high)GPT-5.6 Terra (xhigh)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.200$2.00 / $12.00 / $0.200

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 (high)GPT-5.6 Terra (xhigh)领先者
推理65.454.8Claude Sonnet 5
编程59.959.1持平
智能体与工具52.963.1GPT-5.6 Terra
数学65.365.7持平
知识–53.0无法比较
指令遵循–65.6无法比较
人类偏好64.665.5持平
多模态60.961.2持平
长上下文62.964.1GPT-5.6 Terra

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长上下文多模态人类偏好Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 智能体与工具: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 长上下文: 62.9Claude Sonnet 5, 多模态: 60.9Claude Sonnet 5, 人类偏好: 64.6GPT-5.6 Terra, 推理: 54.8GPT-5.6 Terra, 编程: 59.1GPT-5.6 Terra, 智能体与工具: 63.1GPT-5.6 Terra, 数学: 65.7GPT-5.6 Terra, 长上下文: 64.1GPT-5.6 Terra, 多模态: 61.2GPT-5.6 Terra, 人类偏好: 65.5

未绘制(测得的模型少于两个):知识, 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 28 项基准测试中,Claude Sonnet 5 领先 10 项,GPT-5.6 Terra 领先 18 项。所有同时评测两者的综合评分都认为 GPT-5.6 Terra 更强。

综合 IndexClaude Sonnet 5 (high)GPT-5.6 Terra (xhigh)领先者
BenchLeader Index59.060.1不相上下
Arena Text14611468GPT-5.6 Terra

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 (high)GPT-5.6 Terra (xhigh)
每百万 token 混合价格$4.00$4.50
每百万 token 输入 / 输出$2.00 / $10.00$2.00 / $12.00
每百万 token 缓存输入$0.200$0.200
每项任务价格:聊天回复$0.0038$0.0044
每项任务价格:总结一份 30 页的报告$0.030$0.031
每项任务价格:代码编辑$0.027$0.030
每项任务价格:智能体编程会话$0.160$0.168
每项任务价格:结构化信息提取$0.0060$0.0064
智能体编程会话(输入大多命中缓存)$0.079$0.087
输出速度99 tok/s97 tok/s
首次回答时间15.8 秒19.2 秒
完整回答耗时(最近一次测量 2026年11月13日)40.7 秒84.0 秒

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 (high) 得分 59.0,首个回答 token 需 16 秒;Claude Sonnet 5 (max) 为 56.1(158 秒),Claude Sonnet 5 (xhigh) 为 55.4(32 秒)。GPT-5.6 Terra (xhigh) 得分 60.1,首个回答 token 需 19 秒;GPT-5.6 Terra (max) 为 59.5(73 秒),GPT-5.6 Terra (high) 为 56.8(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 146 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 (high)GPT-5.6 Terra (xhigh)
BenchLeader IndexBenchLeader59.060.1
智能体与工具得分BenchLeader52.963.1
编程得分BenchLeader59.959.1
人类偏好得分BenchLeader64.665.5
长上下文得分BenchLeader62.964.1
数学得分BenchLeader65.365.7
多模态得分BenchLeader60.961.2
推理得分BenchLeader65.454.8
指令遵循得分BenchLeader–65.6
知识得分BenchLeader–53.0
混合价格(美元/百万 token)BenchLeader$4.00$4.50
输出速度BenchLeader99 tok/s97 tok/s
首次回答时间BenchLeader15.8 秒19.2 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†93.3%†
SimpleBenchSimpleBench60.6%†48.9%
Arena Hard PromptsArena (LMArena)14901491
LiveBench 2.0 ReasoningLiveBench–90.6%†
LiveBench 1.0 ReasoningLiveBench88.7%†90.6%†
GPQA Diamond (AA)Artificial Analysis91.1%†90.8%
Humanity's Last Exam (AA)Artificial Analysis35.7%41.9%
HLE-Diamond (AA)Artificial Analysis–24.7%
GPQA Diamond (Vals)Vals AI88.9%†90.9%
Kagi LLM BenchmarkKagi LLM Benchmark–51.3%†
ARC-AGI-1ARC Prize–94.0%
ARC-AGI-2ARC Prize–74.2%
ARC-AGI-3ARC Prize–0.7%
CritPtArtificial Analysis15.1%27.1%
CritPt v2 hard subset (AA)Artificial Analysis–50.5%†
Arena ExpertArena (LMArena)15091507
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†47.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†35.0%†
LMCAEpoch AI Benchmarking Hub50.0%52.2%
DTBenchEpoch AI Benchmarking Hub84.5%92.5%
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
编程
SciCodeSciCode54.3%52.3%
WeirdMLWeirdML68.8%78.3%†
FrontierCodeCognition42.7%†41.3%†
显示全部 146 项基准测试
指标发布方Claude Sonnet 5 (high)GPT-5.6 Terra (xhigh)
编程
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201517
Arena WebDevArena (LMArena)15391520
LiveBench 2.0 CodingLiveBench–84.2%†
LiveBench 1.0 CodingLiveBench80.7%†78.3%†
LiveCodeBenchVals AI82.4%†85.9%
IOIVals AI45.0%†87.6%†
SWE-bench (Vals)Vals AI79.6%†95.4%†
Code MigrationVals AI44.4%†47.8%†
ProgramBenchVals AI0.0%†0.5%†
Vibe Code Bench 1-100Vals AI13.8%†14.8%†
Vibe Code Bench v1.1Vals AI81.3%†74.6%†
SWE-Bench Pro V2Scale AI SEAL93.2%†92.4%
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†86.3%
MirrorCodeEpoch AI Benchmarking Hub63.3%†41.1%†
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†83.8%
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%60.2%
CursorBenchCursor30.8%33.6%
ALE-BenchEpoch AI Benchmarking Hub1463.11951.4†
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%10.1%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†80.2%
Startrise FrontendStartrise66.6%†66.9%†
GameBench 2 OverallDuelLab GameBench 246.6†45.6†
GameBench 2 by reasoning settingDuelLab GameBench 254.4†53.5
Design Arena WebsiteDesign Arena1268†1260†
FrontierCode 2.0 (AA)Artificial Analysis17.8%†23.9%†
智能体与工具
Terminal-BenchTerminal-Bench12.1%†21.5%†
APEX-AgentsMercor54.5%†58.2%†
Arena AgentArena (LMArena)2-1.8
LiveBench Long AgenticLiveBench–25.9%†
LiveBench BrowserLiveBench–70.3%†
LiveBench Agentic CodingLiveBench59.4%†55.0%†
Terminal-Bench HardArtificial Analysis–62.9%
τ²-Bench Telecom (AA)Artificial Analysis–80.4%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†77.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.4%
GDPval-AA v2.1Artificial Analysis12621456
τ³-Banking (AA)Artificial Analysis37.3%†29.7%
ITBench SRE (AA)Artificial Analysis–51.0%†
Analyst Agent (AA)Artificial Analysis46.3%†–
APEX-Agents (AA)Artificial Analysis–38.9%†
CyberBenchVals AI61.9%†72.1%†
Finance Agent v2Vals AI53.9%†54.4%†
Harvey's Legal Agent Benchmark v1Vals AI5.0%†0.8%†
Legal Research BenchVals AI41.8%†41.4%†
SkillsBenchVals AI46.5%†58.9%†
SREBenchVals AI0.4%†9.5%†
Tax Agent BenchVals AI29.4%†30.0%†
Terminal-Bench 4.0 (Vals)Vals AI10.6%†22.7%†
Terminal-Bench ScienceVals AI5.7%†10.0%†
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.6-7.2
BALROGBALROG–53.2%†
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†7343.2†
AutomationBenchArtificial Analysis32.1%47.1%
GDP.pdf (AA)Artificial Analysis9.4%24.6%
EnterpriseOps-GymArtificial Analysis44.7%†38.5%†
AA-Briefcase v1.1Artificial Analysis11771332
Design Arena AgenticDesign Arena1222†1089†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–13.8%†
DeepSec-Bench (AA)Artificial Analysis–25.1%†
FACTS SearchGoogle–87.0%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†86.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†99.7%†
ProofBenchVals AI77.0%†74.0%
LiveBench MathematicsLiveBench92.9%†94.9%†
Arena MathsArena (LMArena)14721478
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†43.2%†
LiveBench 2.0 Data AnalysisLiveBench–79.3%†
LiveBench ResearchLiveBench–79.7%†
LiveBench 1.0 Data AnalysisLiveBench71.7%†79.3%†
AA-Omniscience v1.1Artificial Analysis–-11.5
MMLU-ProVals AI87.5%†86.7%
LegalBenchVals AI83.9%†85.1%†
CorpFinVals AI67.0%†65.3%
TaxEvalVals AI75.6%†76.2%
Excel Modeling BenchmarkVals AI66.3%†66.2%†
MedCodeVals AI47.5%†43.4%
MedScribeVals AI76.0%†82.9%
Public Benefits Bench v1.1Vals AI66.0%†62.4%†
Financial Coaching BenchVals AI–71.0%†
DrugDiscoveryBenchScale AI SEAL50.0%†–
GDP.pdfEpoch AI Benchmarking Hub–24.7%†
AA-Omniscience v1.1: accuracyArtificial Analysis–41.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–9.9%
FACTS ParametricGoogle20.5%†57.6%†
指令遵循
LiveBench LanguageLiveBench75.0%†82.9%†
LiveBench Instruction FollowingLiveBench63.9%†64.6%†
IFBenchArtificial Analysis–66.3%
Arena Instruction FollowingArena (LMArena)14671463
人类偏好
Arena TextArena (LMArena)14611468
EQ-Bench 4EQ-Bench1221†1220†
EQ-Bench Creative Writing v3EQ-Bench1798†1856†
Arena Creative WritingArena (LMArena)14341430
Arena Multi-turnArena (LMArena)14731475
Arena Longer QueriesArena (LMArena)14811469
多模态
Arena VisionArena (LMArena)12721269
LiveBench DesignLiveBench–70.9%†
MMMU-ProArtificial Analysis77.3%†79.5%
MMMU-Pro (Vals)Vals AI83.0%†86.5%†
MortgageTaxVals AI70.0%†67.3%
SAGEVals AI–87.0%†
Humanity's Sixth SenseScale AI SEAL24.8%†22.7%†
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†30.8%†
Furniture AssemblyEpoch AI Benchmarking Hub–54.2%†
FACTS MultimodalGoogle–39.9%†
长上下文
AA-LCR v1.1Artificial Analysis76.7%79.0%
Arena DocumentArena (LMArena)14691474
MLCRArtificial Analysis4.4%22.8%
FACTS GroundingGoogle–60.5%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†160.7†
LiveBench 2.0LiveBench–67.2%†
LiveBench 1.0LiveBench76.0%†77.9%†
AA Intelligence Index v5.0.1Artificial Analysis–32.3†
AA Intelligence Index v4.3.2Artificial Analysis31.738.0
AA Progress Index v1Artificial Analysis296.8312
Vals Multimodal IndexVals AI68.8%†65.1%
安全与诚实
DistressBenchScale AI SEAL68.0%†76.4%†

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 Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • GPT-5.6 Terra (xhigh):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • Claude Sonnet 5 (high):1 项分数修订。
  • GPT-5.6 Terra (xhigh):1 项分数修订。
  • Claude Sonnet 5 (high):1 项分数修订。
  • GPT-5.6 Terra (xhigh):1 项分数修订。
  • GPT-5.6 Terra (xhigh):BenchLeader Index 61.2 → 60.4。
  • Claude Sonnet 5 (high):1 项新结果(AA Progress Index v1)。

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 Sonnet 5 vs GPT-5.6 Terra:常见问题

Claude Sonnet 5 比 GPT-5.6 Terra 更好吗?
Claude Sonnet 5 (high) 与 GPT-5.6 Terra (xhigh) 的质量不相上下(59.0 比 60.1,在 ±4.7 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 Sonnet 5 和 GPT-5.6 Terra 哪个更便宜?价格会变吗?
目前 Claude Sonnet 5 更便宜:每百万 token $4.00 比 $4.50(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 还是 GPT-5.6 Terra 更好?
两者在编程方面持平(类别得分 60 比 59)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Sonnet 5 为 1539,GPT-5.6 Terra 为 1520。
Claude Sonnet 5 和 GPT-5.6 Terra 哪个更快?
Claude Sonnet 5 输出更快(输出 99 比 97 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5 还是 GPT-5.6 Terra 更好?
GPT-5.6 Terra 在智能体任务方面得分更高(类别得分 63 比 53,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Claude Sonnet 5 为 2,GPT-5.6 Terra 为 -1.8。
更多问题(4)
处理长文档哪个更好?
GPT-5.6 Terra 在长上下文基准测试上得分更高(64 比 63)。两者都约为 1.1M token(Claude Sonnet 5 为 1,000,000,GPT-5.6 Terra 为 1,050,000)。
哪个延迟更低?
Claude Sonnet 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.8 秒比 19.2 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 Sonnet 5 和 GPT-5.6 Terra 的看法一致吗?
在两者都有结果的 28 项基准测试中,Claude Sonnet 5 领先 10 项,GPT-5.6 Terra 领先 18 项。所有同时评测两者的综合评分都认为 GPT-5.6 Terra 更强。
GPT-5.6 Terra 是什么时候发布的?
GPT-5.6 Terra 于 2026年7月9日 发布。