AI BENCHY 对比
Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24
| 指标 | Claude Opus 4.6 Claude Opus 4.6 medium | GPT-5.5 GPT-5.5 none |
|---|---|---|
| 分数 | 7.6 | 6.8 |
| 排名 | #45 | #58 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 9.1 | 8.3 |
| 测试正确 | ||
| 尝试通过率 | 70.4% | 61.1% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 12.047 | 2.162 |
| 总成本 | $1.446 | $0.195 |
| ???? | $5.000 / 1M | $5.000 / 1M |
| ???? | $25.000 / 1M | $30.000 / 1M |
| 输出令牌 | 29,829 | 1,910 |
| 推理令牌 | 18,938 | 0 |
| 响应时间（平均） | 21.08s | 1.83s |
| 响应时间（最大） | 83.40s | 5.56s |
| 响应时间（总计） | 231.84s | 32.86s |
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-5.5 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 2.05s | 426 | 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.56s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 1.18s | 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-5.5 | 2.9 | 7.2 | 11.1% | 1 | 1.31s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 188 | 292 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.41s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| GPT-5.5 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.7 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| GPT-5.5 | 6.7 | 7.9 | 55.6% | 1 | 1.36s | 245 | 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 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.90s | 247 | 0 |
快速对比
切换对比组合
Claude Opus 4.6mediumvsGPT-5.3 ChatnoneNemotron 3 Supermedium免费可用vsGPT-5.5noneGPT-5.5nonevsGrok 4.1 FastmediumClaude Opus 4.6mediumvsDeepSeek V4 FlashhighGPT-5.5nonevsGrok 4.20mediumKimi K2.5mediumvsGPT-5.5noneMercury 2mediumvsGPT-5.5noneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsHY3 Previewlow免费可用