AI BENCHY 对比
Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.2
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-30
| 指标 | Claude Opus 4.6 Claude Opus 4.6 medium | GPT-5.2 GPT-5.2 medium |
|---|---|---|
| 分数 | 7.6 | 7.5 |
| 排名 | #49 | #53 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 9.1 | 8.1 |
| 测试正确 | ||
| 尝试通过率 | 70.4% | 72.2% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 12.047 | 3.193 |
| 总成本 | $1.446 | $0.352 |
| ???? | $5.000 / 1M | $1.750 / 1M |
| ???? | $25.000 / 1M | $14.000 / 1M |
| 输出令牌 | 29,829 | 2,705 |
| 推理令牌 | 18,938 | 18,977 |
| 响应时间（平均） | 21.08s | 14.04s |
| 响应时间（最大） | 83.40s | 77.80s |
| 响应时间（总计） | 231.84s | 154.41s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 6.4 | 5.8 | 66.7% | 2 | 7.45s | 986 | 1,071 | |
| GPT-5.2 | 6.5 | 8.0 | 58.3% | 1 | 7.81s | 567 | 2,002 |
| 编程 | 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 23.11s | 3,486 | 1,504 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 15.12s | 467 | 2,166 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 14.06s | 291 | 1,757 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 3.15s | 234 | 420 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| GPT-5.2 | 5.9 | 7.2 | 55.6% | 1 | 77.80s | 42 | 10,342 |
| 通用智能 | 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 188 | 292 | |
| GPT-5.2 | 3.7 | 9.7 | 0.0% | 0 | 4.32s | 162 | 269 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.12s | 94 | 614 |
| 谜题求解 | 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.7 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| GPT-5.2 | 7.7 | 7.3 | 77.8% | 1 | 5.47s | 609 | 938 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| GPT-5.2 | 4.7 | 1.6 | 66.7% | 1 | 10.30s | 239 | 469 |
快速对比
切换对比组合
GPT-5.2mediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsGPT-5.2mediumClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneClaude Opus 4.6mediumvsDeepSeek V4 FlashhighClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGPT-5.2mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.2mediumClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsHY3 Previewlow免费可用