Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.6 Terra

GPT-5.6 Terra (medium) 平均分领先，为 7.8 vs 7.7。 GPT-5.6 Terra (medium) benchmark 成本更低，为 $0.676 vs $3.059。 GPT-5.6 Terra (medium) 更快，为 7.11s vs 34.27s，通过率为 63.6% vs 69.7%。

推荐模型GPT-5.6 Terra (medium)它在这里得分最高（7.8），同时成本比Claude Opus 4.6 (medium)低约 4.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

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 medium 发布日期: 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 medium 发布日期: 2026-07-09
分数	7.7	7.8
排名	#50	#46
可靠性	10.0	10.0
一致性	8.8	9.3
测试正确
尝试通过率	63.6%	69.7%
不稳定测试	3	2
总运行次数	66	66
每个结果成本	23.524	4.825
总成本	$3.059	$0.676
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	108,615	79,175
输出令牌	72,286	4,878
推理令牌	28,315	26,952
响应时间（平均）	34.27s	7.11s
响应时间（最大）	151.51s	41.68s
响应时间（总计）	513.99s	156.42s

Hamster playing table tennis

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

#50 Claude Opus 4.6

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#46 GPT-5.6 Terra

medium

成本: $0.035
时间: 16.3s
令牌: 2,418 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

类别:

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		2.22s	606	172	657

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	6.1	7.2	55.6%	1		7.19s	7,302	427	4,527

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		114.08s	76,073	33,018	9,509
GPT-5.6 Terra	10.0	10.0	100.0%	0		11.10s	55,976	3,212	2,122

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		872ms	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	10.0	33.3%	0		23.45s	723	70	15,327

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	5.5	10.0	0.0%	0		2.37s	477	133	144

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		1.43s	660	89	261

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	8.4	7.4	88.9%	1		3.78s	642	272	1,462

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	10.0	10.0	100.0%	0		5.09s	5,454	254	246

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		10.05s	195	27	2,206

快速对比

切换对比组合

Claude Opus 4.6mediumvsGPT-5.6 Lunahigh Claude Opus 4.6mediumvsDeepSeek V4 Flashhigh Claude Opus 4.6mediumvsDeepSeek V4 Prohigh Claude Opus 4.8lowvsGPT-5.6 Terramedium Kimi K3maxvsGPT-5.6 Terramedium DeepSeek V4 FlashhighvsGPT-5.6 Terramedium DeepSeek V4 ProhighvsGPT-5.6 Terramedium Claude Opus 4.6mediumvsGPT-5.3 Chatnone GPT-5.6 TerramediumvsGLM 5.2high Claude Opus 4.6mediumvsGPT-5.6 Terralow GPT-5.6 TerramediumvsInklinghigh Gemini 3.5 Flash-LitehighvsGPT-5.6 Terramedium