Anthropic: Claude Opus 4.7 vs OpenAI: GPT-5.5

GPT-5.5 (low) 平均分领先，为 9.3 vs 8.7。 GPT-5.5 (low) benchmark 成本更低，为 $1.253 vs $1.477。 Claude Opus 4.7 (medium) 更快，为 7.61s vs 10.13s，通过率为 83.3% vs 86.4%。

推荐模型GPT-5.5 (low)它在本次比较中得分最高（9.3），并且在全部 2 个模型中兼顾成本和响应时间最好。

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

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24
分数	8.7	9.3
排名	#20	#9
可靠性	10.0	10.0
一致性	9.6	10.0
测试正确
尝试通过率	83.3%	86.4%
不稳定测试	1	0
总运行次数	66	66
每个结果成本	8.201	6.594
总成本	$1.477	$1.253
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	145,252	80,058
输出令牌	24,948	5,378
推理令牌	5,042	23,040
响应时间（平均）	7.61s	10.13s
响应时间（最大）	65.40s	56.19s
响应时间（总计）	159.91s	222.82s

Hamster playing table tennis

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

#20 Claude Opus 4.7

medium

成本: $0.059
时间: 26.8s
令牌: 2,475 tok

#9 GPT-5.5

low

成本: $0.068
时间: 37.0s
令牌: 2,339 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 4.7	8.3	10.0	75.0%	0		1.85s	894	348	0
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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 4.7	7.6	7.2	77.8%	1		12.96s	10,635	7,629	1,114
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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 4.7	10.0	10.0	100.0%	0		43.42s	104,347	15,459	3,928
GPT-5.5	10.0	10.0	100.0%	0		13.73s	56,868	3,635	1,297

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 4.7	10.0	10.0	100.0%	0		2.37s	10,533	324	0
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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 4.7	7.7	10.0	66.7%	0		1.17s	630	51	0
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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 4.7	10.0	10.0	100.0%	0		2.87s	723	256	0
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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 4.7	10.0	10.0	100.0%	0		1.57s	939	114	0
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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 4.7	10.0	10.0	100.0%	0		2.43s	939	370	0
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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 4.7	10.0	10.0	100.0%	0		4.17s	15,339	373	0
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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 4.7	3.0	10.0	0.0%	0		2.25s	273	24	0
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

快速对比

切换对比组合

Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Claude Opus 5highvsGPT-5.5low Claude Opus 5mediumvsGPT-5.5low GPT-5.5lowvsQwen3.7 Maxmedium Gemini 3.5 FlashmediumvsGPT-5.5low Gemini 3.5 FlashhighvsGPT-5.5low Claude Opus 4.7mediumvsGrok 4.5high Claude Opus 4.7mediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGPT-5.5low Claude Opus 4.7mediumvsGrok 4.5low Gemini 3.6 FlashhighvsGPT-5.5low GPT-5.5lowvsGrok 4.5high