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 4.7 vs OpenAI: GPT-5.6 Sol

摘要

Claude Opus 4.7 (medium) vs GPT-5.6 Sol (high) benchmark 对比：GPT-5.6 Sol (high) 平均分领先，为 9.4 vs 8.7。 Claude Opus 4.7 (medium) benchmark 成本更低，为 $0.679 vs $0.821。 Claude Opus 4.7 (medium) 更快，为 4.73s vs 10.56s，通过率为 82.5% vs 88.9%。

推荐模型: Claude Opus 4.7 (medium) - 它的得分接近这里的最高分（8.7 vs 9.4），同时响应速度比GPT-5.6 Sol (high)快约 2.2 倍。

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

指标 Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16 GPT-5.6 Sol GPT-5.6 Sol high 发布日期: 2026-07-09
分数 8.7 9.4
排名 #16 #6
可靠性 10.0 10.0
一致性 9.6 8.8
测试正确
尝试通过率 82.5% 88.9%
不稳定测试 1 3
总运行次数 63 63
每个结果成本 3.991 4.824
总成本 $0.679 $0.821
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 65,406 34,114
输出令牌 11,858 1,872
推理令牌 2,198 19,777
响应时间（平均） 4.73s 10.56s
响应时间（最大） 23.18s 54.79s
响应时间（总计） 94.51s 221.69s

生成展示

Hamster playing table tennis

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

#16 Claude Opus 4.7

medium
成本
$0.059
时间
26.8s
令牌
2,475 tok

#6 GPT-5.6 Sol

high
成本
$0.151
时间
201.9s
令牌
5,100 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 4.7 8.3 10.0 75.0% 0 1.85s 894 348 0
GPT-5.6 Sol 8.7 7.9 91.7% 1 3.39s 606 171 644
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-5.6 Sol 10.0 10.0 100.0% 0 12.52s 7,302 404 5,656
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 21.45s 24,501 2,369 1,084
GPT-5.6 Sol 10.0 10.0 100.0% 0 13.68s 11,019 315 1,599
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-5.6 Sol 10.0 10.0 100.0% 0 1.16s 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 4.7 7.7 10.0 66.7% 0 1.17s 630 51 0
GPT-5.6 Sol 5.3 7.2 44.4% 1 39.45s 619 62 9,556
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-5.6 Sol 10.0 10.0 100.0% 0 4.40s 477 97 238
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-5.6 Sol 10.0 10.0 100.0% 0 2.73s 660 96 331
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-5.6 Sol 10.0 10.0 100.0% 0 4.10s 642 211 675
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-5.6 Sol 10.0 10.0 100.0% 0 7.08s 5,454 264 393
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-5.6 Sol 4.7 1.6 66.7% 1 6.97s 195 30 685

快速对比

切换对比组合

GPT-5.6 SolhighvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsGPT-5.6 SolhighClaude Fable 5mediumvsGPT-5.6 SolhighGemini 3.1 Pro PreviewmediumvsGPT-5.6 SolhighClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 3.5 FlashmediumvsGPT-5.6 SolhighGemini 3 Flash PreviewmediumvsGPT-5.6 SolhighClaude Opus 4.7mediumvsDeepSeek V4 FlashhighGPT-5.6 SolhighvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.7mediumvsGPT-5.6 TerrahighClaude Opus 4.7mediumvsGemini 3.5 Flashlow