AI BENCHY 对比
Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.2 Chat
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-06
| 指标 | Anthropic: Claude Opus 4.6 medium 发布日期: 2026-02-05 | OpenAI: GPT-5.2 Chat none 发布日期: 2025-12-11 |
|---|---|---|
| 平均分 | 6.4 | 7.7 |
| 排名 | #31 | #12 |
| 测试正确 | ||
| 一致性 | 8.9 | 9.5 |
| 每个结果成本 | 14.411 | 2.389 |
| 总成本 | $1.297 | $0.263 |
| 尝试通过率 | 64.4% | 77.8% |
| 不稳定测试 | 2 | 1 |
| common.totalRuns | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 26,066 | 15,510 |
| 推理令牌 | 17,071 | 0 |
| 响应时间（平均） | 25.08s | 7.29s |
| 响应时间（最大） | 83.40s | 38.52s |
| 响应时间（总计） | 200.67s | 109.31s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 4.0 | 4.4 | 55.6% | 2 | 11.88s | 897 | 1,000 | |
| OpenAI: GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 3.97s | 1,651 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| OpenAI: GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 9.12s | 1,243 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 9.9 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| OpenAI: GPT-5.2 Chat | 9.9 | 10.0 | 100.0% | 0 | 3.05s | 980 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| OpenAI: GPT-5.2 Chat | 4.0 | 10.0 | 33.3% | 0 | 17.78s | 7,810 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| OpenAI: GPT-5.2 Chat | 6.0 | 6.1 | 83.3% | 1 | 5.46s | 1,528 | 0 |
| Puzzle Solving | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 7.0 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| OpenAI: GPT-5.2 Chat | 7.0 | 10.0 | 66.7% | 0 | 4.42s | 1,743 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| OpenAI: GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 4.68s | 555 | 0 |
快速对比
切换对比组合
Claude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneGemini 3.1 Flash Lite PreviewlowvsGPT-5.2 ChatnoneDeepSeek V3.2mediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.5 Flashmedium免费可用GPT-5.2 ChatnonevsMiMo-V2-FlashmediumGPT-5.2 ChatnonevsGLM 5mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewhighvsGPT-5.2 ChatnoneGemini 3 Pro PreviewmediumvsGPT-5.2 ChatnoneGemini 3 Flash PreviewlowvsGPT-5.2 Chatnone