导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.5

摘要

Claude Opus 4.6 vs GPT-5.5 benchmark 对比：Claude Opus 4.6 平均分领先，为 7.0 vs 6.4。 GPT-5.5 benchmark 成本更低，为 $0.231 vs $2.053。 GPT-5.5 更快，为 1.89s vs 25.89s，通过率为 61.9% vs 54.0%。

推荐模型: GPT-5.5 - 它的得分接近这里的最高分（6.4 vs 7.0），同时成本比Claude Opus 4.6低约 8.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04

指标 Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05 GPT-5.5 GPT-5.5 none 发布日期: 2026-04-24
分数 7.0 6.4
排名 #69 #91
可靠性 10.0 10.0
一致性 8.8 8.8
测试正确
尝试通过率 61.9% 54.0%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 17.103 2.302
总成本 $2.053 $0.231
输入价格 $5.000 / 1M $5.000 / 1M
输出价格 $25.000 / 1M $30.000 / 1M
总输入令牌 53,227 34,212
输出令牌 47,446 1,971
推理令牌 24,000 0
响应时间（平均） 25.89s 1.89s
响应时间（最大） 83.40s 5.56s
响应时间（总计） 362.49s 39.64s

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#69 Claude Opus 4.6

medium
Invalid SVG
Cost
$0.000
Time
300.0s
Tokens
0 tok

#91 GPT-5.5

none
Cost
$0.090
Time
54.3s
Tokens
3,063 tok

按分数排名的模型

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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
GPT-5.5 6.9 7.9 66.7% 1 1.31s 606 213 0
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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
GPT-5.5 5.5 10.0 33.3% 0 1.35s 7,305 462 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
GPT-5.5 3.0 10.0 0.0% 0 5.56s 11,019 300 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
GPT-5.5 10.0 10.0 100.0% 0 1.18s 7,140 222 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
GPT-5.5 2.9 7.2 11.1% 1 1.31s 723 52 0
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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
GPT-5.5 10.0 10.0 100.0% 0 3.41s 477 124 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
GPT-5.5 6.2 5.8 66.7% 1 1.15s 660 81 0
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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
GPT-5.5 7.7 10.0 66.7% 0 1.29s 642 252 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
GPT-5.5 10.0 10.0 100.0% 0 3.90s 5,445 247 0
常识问答 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
GPT-5.5 3.0 10.0 0.0% 0 5.01s 195 18 0

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashhighGemini 3.1 Flash LiteminimalvsGPT-5.5noneClaude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash LitelowClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsStep 3.7 FlashlowMercury 2mediumvsGPT-5.5noneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowGPT-5.5nonevsQwen3.6 27BmediumClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneDeepSeek V4 ProhighvsGPT-5.5none