BenchLeader

Claude Sonnet 5 vs GPT-6 Astra

完整资料:Claude Sonnet 5(Anthropic)和 GPT-6 Astra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,质量上 GPT-6 Astra 领先 Claude Sonnet 5(BenchLeader Index 67.3 比 59.0)。不过,Claude Sonnet 5 更便宜,对方的价格是它的 5.0 倍(每百万 token 混合价格 $4.00 比 $20.00)。在两者都有成绩的所有类别中,GPT-6 Astra 均领先。Claude Sonnet 5 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Sonnet 5 的 BenchLeader Index 为 59.0,GPT-6 Astra 为 67.3(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-6 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • Claude Sonnet 5 比 GPT-6 Astra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 27 项基准测试中,GPT-6 Astra 领先 27 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Sonnet 5 的评分为 1539,GPT-6 Astra 为 1764(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 Astra类别得分 73 比 60;Arena WebDev 1764 比 1539高
智能体与工具调用GPT-6 Astra类别得分 64 比 53;Arena Agent 14.5 比 2高
数学GPT-6 Astra类别得分 71 比 65;Arena Maths 1481 比 1472中
推理GPT-6 Astra类别得分 72 比 65;Arena Hard Prompts 1500 比 1490中
长文档GPT-6 Astra类别得分 65 比 63;AA-LCR v1.1 80.7% 比 76.7%中
图像及其他媒体GPT-6 Astra类别得分 66 比 61;Arena Vision 1279 比 1272中
对话质量(人类偏好)GPT-6 AstraArena 投票 66 比 65中
成本最低Claude Sonnet 5每百万 token 混合价格 $4.00 比 $20.00;智能体编程会话 $0.160 比 $0.800–
首次回答最快Claude Sonnet 5首个回答 token 15.8 秒(Claude Sonnet 5 (high))比 198.4 秒(GPT-6 Astra (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 GPT-6 Astra (max) 领先:67.3 比 59.0。
  • GPT-6 Astra (max) 在智能体与工具、编程、人类偏好、长上下文、数学、多模态、推理方面更强。
  • Claude Sonnet 5 (high) 更便宜,对方的价格是它的 5.0 倍(每百万 token 混合价格 $4.00 比 $20.00)。
  • Claude Sonnet 5 (high) 的输出速度是对方的 2.4 倍(99 比 41 token/秒)。

概览

规格Claude Sonnet 5GPT-6 Astra
提供商AnthropicOpenAI
发布日期2026年6月30日2026年9月2日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Sonnet 5 (high)GPT-6 Astra (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 / $0.200$10.00 / $50.00 / $1.00

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-6 Astra (max)领先者
推理65.472.4GPT-6 Astra
编程59.973.2GPT-6 Astra
智能体与工具52.963.9GPT-6 Astra
数学65.370.8GPT-6 Astra
知识–72.3无法比较
人类偏好64.666.2GPT-6 Astra
多模态60.965.6GPT-6 Astra
长上下文62.965.0GPT-6 Astra
综合–71.3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-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 长上下文: 65.0GPT-6 Astra, 多模态: 65.6GPT-6 Astra, 人类偏好: 66.2

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 27 项基准测试中,Claude Sonnet 5 领先 0 项,GPT-6 Astra 领先 27 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。

综合 IndexClaude Sonnet 5 (high)GPT-6 Astra (max)领先者
BenchLeader Index59.067.3GPT-6 Astra
Arena Text14611474GPT-6 Astra

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-6 Astra (max)
每百万 token 混合价格$4.00$20.00
每百万 token 输入 / 输出$2.00 / $10.00$10.00 / $50.00
每百万 token 缓存输入$0.200$1.00
每项任务价格:聊天回复$0.0038$0.019
每项任务价格:总结一份 30 页的报告$0.030$0.150
每项任务价格:代码编辑$0.027$0.135
每项任务价格:智能体编程会话$0.160$0.800
每项任务价格:结构化信息提取$0.0060$0.030
智能体编程会话(输入大多命中缓存)$0.079$0.395
每项基准测试任务成本(AA Index)–$6.24
每项任务输出 token(AA Index)–52k
其中推理部分–36k
每项任务耗时(AA Index)–21 min
输出速度99 tok/s41 tok/s
首次回答时间15.8 秒198.4 秒
完整回答耗时(最近一次测量 2026年11月13日)40.7 秒533.7 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-6 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 189 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-6 Astra (max)
BenchLeader IndexBenchLeader59.067.3
智能体与工具得分BenchLeader52.963.9
编程得分BenchLeader59.973.2
人类偏好得分BenchLeader64.666.2
长上下文得分BenchLeader62.965.0
数学得分BenchLeader65.370.8
多模态得分BenchLeader60.965.6
推理得分BenchLeader65.472.4
综合得分BenchLeader–71.3
知识得分BenchLeader–72.3
混合价格(美元/百万 token)BenchLeader$4.00$20.00
输出速度BenchLeader99 tok/s41 tok/s
首次回答时间BenchLeader15.8 秒198.4 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†95.8%
Humanity's Last ExamScale AI / CAIS–54.8%†
SimpleBenchSimpleBench60.6%†83.6%†
Arena Hard PromptsArena (LMArena)14901500
LiveBench 2.0 ReasoningLiveBench–92.7%
LiveBench 1.0 ReasoningLiveBench88.7%†92.7%
GPQA Diamond (AA)Artificial Analysis91.1%†96.1%
Humanity's Last Exam (AA)Artificial Analysis35.7%54.7%
HLE-Diamond (AA)Artificial Analysis–63.8%
GPQA Diamond (Vals)Vals AI88.9%†–
ARC-AGI-1ARC Prize–97.5%
ARC-AGI-2ARC Prize–95.0%
ARC-AGI-3ARC Prize–98.6%
CritPtArtificial Analysis15.1%31.7%
CritPt v2 hard subset (AA)Artificial Analysis–70.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–60.6%†
Arena ExpertArena (LMArena)15091517
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†84.0%
LMCAEpoch AI Benchmarking Hub50.0%64.1%†
DTBenchEpoch AI Benchmarking Hub84.5%97.1%†
ForecastBenchForecastBench63.1%†66.6%†
BTF-3Epoch AI Benchmarking Hub14.2%†13.5%†
编程
SciCodeSciCode54.3%56.5%
显示全部 189 项基准测试
指标发布方Claude Sonnet 5 (high)GPT-6 Astra (max)
编程
WeirdMLWeirdML68.8%93.3%
FrontierCodeCognition42.7%†53.3%
GSO-BenchGSO-Bench37.3%†79.4%†
Arena CodingArena (LMArena)15201548
Arena WebDevArena (LMArena)15391764
LiveBench 2.0 CodingLiveBench–87.5%
LiveBench 1.0 CodingLiveBench80.7%†80.4%
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†100.0%
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†67.7%
Code Migration v1.1Vals AI–80.6%
ProgramBenchVals AI0.0%†5.5%
SWE-bench MultimodalVals AI–43.3%
Vibe Code Bench 1-100Vals AI13.8%†27.6%
Vibe Code Bench v1.1Vals AI81.3%†89.6%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–50.7%†
SWE Atlas v1.1Scale AI SEAL–69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–71.4%†
SWE-Bench Pro V2Scale AI SEAL93.2%†96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†90.2%†
MirrorCodeEpoch AI Benchmarking Hub63.3%†60.0%
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%73.2%
CursorBenchCursor30.8%–
ALE-BenchEpoch AI Benchmarking Hub1463.12951.3
FrontierSWEEpoch AI Benchmarking Hub–65.5%
WeirdML v3WeirdML–42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†88.4%
Startrise FrontendStartrise66.6%†79.9%†
GameBench 2 OverallDuelLab GameBench 246.6†88.8†
GameBench 2 by reasoning settingDuelLab GameBench 254.4†94.3†
Design Arena WebsiteDesign Arena1268†1338
FrontierCode 1.1 (AA)Artificial Analysis–47.0%
FrontierCode 2.0 (AA)Artificial Analysis17.8%†42.4%
智能体与工具
Terminal-BenchTerminal-Bench12.1%†60.3%
Remote Labor IndexScale AI / CAIS–20.8%†
APEX-AgentsMercor54.5%†64.7%†
Arena AgentArena (LMArena)214.5
LiveBench Long AgenticLiveBench–75.6%
LiveBench BrowserLiveBench–91.3%
LiveBench Agentic CodingLiveBench59.4%†57.3%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†87.3%
HiL-BenchScale AI SEAL–65.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–53.7%
GDPval-AA v2.1Artificial Analysis12621587
τ³-Banking (AA)Artificial Analysis37.3%†41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis46.3%†51.3%
CUA-benchVals AI–19.2%
CyberBenchVals AI61.9%†41.1%
Finance Agent v2Vals AI53.9%†53.5%
Finance Agent v2.1Vals AI–60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI–7.1%
Harvey's Legal Agent Benchmark v1Vals AI5.0%†5.4%
Legal Research BenchVals AI41.8%†39.4%
Robo-benchVals AI–23.3%
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†56.9%
Tax Agent BenchVals AI29.4%†20.7%
Terminal-Bench 4.0 (Vals)Vals AI10.6%†59.6%
Terminal-Bench ScienceVals AI5.7%†62.9%
Time Horizon Index: KSPVals AI–90.5%
Arena SearchArena (LMArena)1191†1245
Arena Agent Task CompletionArena (LMArena)-0.614
BALROGBALROG–68.3%
PostTrainBenchEpoch AI Benchmarking Hub–41.9%
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†15514.7†
SpireClimbEpoch AI Benchmarking Hub–34.0%
AutomationBenchArtificial Analysis32.1%68.5%
GDP.pdf (AA)Artificial Analysis9.4%31.0%
Harvey LAB-AA v1.1Harvey–8.6%
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771569
GDPxGDPx by SemiAnalysis–9.6%
Design Arena AgenticDesign Arena1222†1405
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–63.3%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–36.9%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis–50.2%
FACTS SearchGoogle–93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†100.0%
ProofBenchVals AI77.0%†99.0%†
LiveBench MathematicsLiveBench92.9%†96.8%
Arena MathsArena (LMArena)14721481
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†75.6%
LiveBench 2.0 Data AnalysisLiveBench–83.0%
LiveBench ResearchLiveBench–90.6%
LiveBench 1.0 Data AnalysisLiveBench71.7%†83.0%
AA-Omniscience v1.1Artificial Analysis–42.4
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
PRBench FinanceScale AI SEAL–47.5%†
PRBench LegalScale AI SEAL–48.4%†
BioMysteryBenchVals AI–79.3%
Excel Modeling BenchmarkVals AI66.3%†71.7%
Excel Modeling Benchmark v1.1Vals AI–72.7%
MedCodeVals AI47.5%†48.5%
MedScribeVals AI76.0%†87.9%
Public Benefits Bench v1.1Vals AI66.0%†–
Financial Coaching BenchVals AI–67.5%
Immigration BenchVals AI–67.7%
DrugDiscoveryBenchScale AI SEAL50.0%†68.7%
EBR-benchEpoch AI Benchmarking Hub–76.2%
GDP.pdfEpoch AI Benchmarking Hub–34.2%
AA-Omniscience v1.1: accuracyArtificial Analysis–61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–50.2%
HealthBench Professional (AA)OpenAI–66.0%
FACTS ParametricGoogle20.5%†83.8%†
指令遵循
LiveBench LanguageLiveBench75.0%†89.4%
LiveBench Instruction FollowingLiveBench63.9%†75.6%
Arena Instruction FollowingArena (LMArena)14671474
人类偏好
Arena TextArena (LMArena)14611474
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†2177†
Arena Creative WritingArena (LMArena)14341451
Arena Multi-turnArena (LMArena)14731483
Arena Longer QueriesArena (LMArena)14811485
多模态
Arena VisionArena (LMArena)12721279
LiveBench DesignLiveBench–80.0%
MMMU-ProArtificial Analysis77.3%†86.9%
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†53.6%
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub–80.0%
VIALS-AAHandshake AI–62.7%
Code2Video-AAArtificial Analysis–1427
AA-3DArtificial Analysis–1168
FACTS MultimodalGoogle–55.2%†
长上下文
AA-LCR v1.1Artificial Analysis76.7%80.7%
Arena DocumentArena (LMArena)14691474
MLCRArtificial Analysis4.4%41.7%
FACTS GroundingGoogle–80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†169†
LiveBench 2.0LiveBench–84.5%
LiveBench 1.0LiveBench76.0%†82.2%
AA Intelligence Index v5.0.1Artificial Analysis–56.9
AA Intelligence Index v4.3.2Artificial Analysis31.752.7
AA Progress Index v1Artificial Analysis296.8349.6
Vals IndexVals AI–65.0
Vals Finance IndexVals AI–55.6%
Vals RSI IndexVals AI–27.1%
Vals Science IndexVals AI–65.1%
Vals Multimodal IndexVals AI68.8%†–
Vals Router IndexVals AI–65.0%†
Vals Legal IndexVals AI–68.4%
AA Cyber IndexArtificial Analysis–33.4
安全与诚实
FORTRESSScale AI SEAL–12.1%†
DistressBenchScale AI SEAL68.0%†74.3%†

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 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • GPT-6 Astra (max):1 项分数修订。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Astra (max):2 项分数修订。
  • Claude Sonnet 5 (high):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 vs GPT-6 Astra:常见问题

GPT-6 Astra 比 Claude Sonnet 5 更好吗?
质量上 GPT-6 Astra (max) 领先:67.3 比 59.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Sonnet 5 和 GPT-6 Astra 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 $20.00(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 还是 GPT-6 Astra 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Sonnet 5 为 1539,GPT-6 Astra 为 1764。
Claude Sonnet 5 和 GPT-6 Astra 哪个更快?
Claude Sonnet 5 输出更快(约 2 倍;输出 99 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5 还是 GPT-6 Astra 更好?
GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 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-6 Astra 为 14.5。
更多问题(4)
处理长文档哪个更好?
GPT-6 Astra 在长上下文基准测试上得分更高(65 比 63)。两者都约为 1.1M token(Claude Sonnet 5 为 1,000,000,GPT-6 Astra 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 198.4 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-6 Astra 的看法一致吗?
在两者都有结果的 27 项基准测试中,Claude Sonnet 5 领先 0 项,GPT-6 Astra 领先 27 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。
GPT-6 Astra 是什么时候发布的?
GPT-6 Astra 于 2026年9月2日 发布。