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-5.6 Terra

摘要

Claude Opus 4.6 (medium) vs GPT-5.6 Terra (low) benchmark 对比：平均分几乎持平，为 7.7 vs 7.7。 GPT-5.6 Terra (low) benchmark 成本更低，为 $0.343 vs $2.053。 GPT-5.6 Terra (low) 更快，为 4.88s vs 25.89s，通过率为 61.9% vs 74.6%。

推荐模型: GPT-5.6 Terra (low) - 它在这里得分最高（7.7），同时成本比Claude Opus 4.6 (medium)低约 6.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05 GPT-5.6 Terra GPT-5.6 Terra low 发布日期: 2026-07-09
分数 7.7 7.7
排名 #48 #47
可靠性 10.0 10.0
一致性 8.8 8.1
测试正确
尝试通过率 61.9% 74.6%
不稳定测试 3 5
总运行次数 63 63
每个结果成本 17.103 2.637
总成本 $2.053 $0.343
输入价格 $5.000 / 1M $2.500 / 1M
输出价格 $25.000 / 1M $15.000 / 1M
总输入令牌 53,227 34,226
输出令牌 47,446 1,943
推理令牌 24,000 15,201
响应时间（平均） 25.89s 4.88s
响应时间（最大） 83.40s 19.85s
响应时间（总计） 362.49s 102.53s

生成展示

Hamster playing table tennis

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

#48 Claude Opus 4.6

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#47 GPT-5.6 Terra

low
成本
$0.034
时间
16.8s
令牌
2,348 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-5.6 Terra 8.3 10.0 75.0% 0 2.36s 606 171 602
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-5.6 Terra 6.6 4.6 77.8% 2 9.56s 7,302 429 6,821
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-5.6 Terra 10.0 10.0 100.0% 0 5.07s 11,019 312 349
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-5.6 Terra 10.0 10.0 100.0% 0 919ms 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-5.6 Terra 5.3 7.2 44.4% 1 8.34s 723 72 4,086
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-5.6 Terra 4.8 3.2 33.3% 1 3.52s 477 105 249
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-5.6 Terra 10.0 10.0 100.0% 0 1.48s 660 87 134
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-5.6 Terra 10.0 10.0 100.0% 0 4.46s 642 259 1,506
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-5.6 Terra 4.7 1.6 66.7% 1 6.69s 5,462 257 226
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-5.6 Terra 3.0 10.0 0.0% 0 5.95s 195 29 1,228

快速对比

切换对比组合

Claude Opus 4.6mediumvsStep 3.7 FlashlowGPT-5.6 TerralowvsGrok 4.3mediumClaude Opus 4.6mediumvsGPT-5.6 LunahighGPT-5.6 TerralowvsQwen3.5-122B-A10BmediumKimi K2.6medium免费可用vsGPT-5.6 TerralowGemini 3.1 Flash LitemediumvsGPT-5.6 TerralowGPT-5.6 TerralowvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 TerralowClaude Opus 4.6mediumvsDeepSeek V4 ProhighMiniMax M3mediumvsGPT-5.6 TerralowDeepSeek V4 ProhighvsGPT-5.6 TerralowClaude Sonnet 4.6mediumvsGPT-5.6 Terralow