导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.6 Sol

摘要

Claude Opus 4.8 (medium) vs GPT-5.6 Sol (low) benchmark 对比：GPT-5.6 Sol (low) 平均分领先，为 9.5 vs 8.8。 GPT-5.6 Sol (low) benchmark 成本更低，为 $0.649 vs $1.107。 GPT-5.6 Sol (low) 更快，为 8.29s vs 9.72s，通过率为 84.1% vs 85.7%。

推荐模型: GPT-5.6 Sol (low) - 它在这里得分最高（9.5），同时成本比Claude Opus 4.8 (medium)低约 1.7 倍。

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

指标 Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28 GPT-5.6 Sol GPT-5.6 Sol low 发布日期: 2026-07-09
分数 8.8 9.5
排名 #15 #3
可靠性 10.0 10.0
一致性 9.6 9.2
测试正确
尝试通过率 84.1% 85.7%
不稳定测试 1 2
总运行次数 63 63
每个结果成本 6.512 3.816
总成本 $1.107 $0.649
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 61,007 34,218
输出令牌 26,495 1,898
推理令牌 5,901 14,023
响应时间（平均） 9.72s 8.29s
响应时间（最大） 38.03s 53.91s
响应时间（总计） 204.19s 174.04s

生成展示

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
成本
$0.057
时间
23.1s
令牌
2,412 tok

#3 GPT-5.6 Sol

low
成本
$0.062
时间
26.7s
令牌
2,150 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 4.8 10.0 10.0 100.0% 0 3.95s 834 1,179 478
GPT-5.6 Sol 8.3 10.0 75.0% 0 2.60s 606 174 492
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 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GPT-5.6 Sol 10.0 10.0 100.0% 0 11.25s 7,302 412 3,482
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 4.8 9.8 10.0 100.0% 0 38.03s 23,561 5,260 1,588
GPT-5.6 Sol 10.0 10.0 100.0% 0 9.87s 11,019 318 792
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 4.8 7.1 5.6 83.3% 1 12.29s 10,503 481 312
GPT-5.6 Sol 10.0 10.0 100.0% 0 1.82s 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 4.8 5.3 10.0 33.3% 0 14.59s 975 7,477 900
GPT-5.6 Sol 5.3 7.2 44.4% 1 29.07s 723 71 7,822
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 4.8 10.0 10.0 100.0% 0 2.46s 708 237 0
GPT-5.6 Sol 10.0 10.0 100.0% 0 3.07s 477 99 135
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 4.8 10.0 10.0 100.0% 0 3.32s 909 373 320
GPT-5.6 Sol 10.0 10.0 100.0% 0 2.27s 660 90 146
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 4.8 10.0 10.0 100.0% 0 3.95s 894 791 483
GPT-5.6 Sol 8.2 7.2 88.9% 1 3.44s 642 224 534
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 4.8 10.0 10.0 100.0% 0 8.96s 11,775 301 225
GPT-5.6 Sol 10.0 10.0 100.0% 0 7.56s 5,454 258 294
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 4.8 3.0 10.0 0.0% 0 6.14s 258 451 214
GPT-5.6 Sol 10.0 10.0 100.0% 0 3.67s 195 30 326

快速对比

切换对比组合

Gemini 3 Flash PreviewmediumvsGPT-5.6 SollowGPT-5.6 SollowvsQwen3.7 MaxmediumGemini 3.5 FlashhighvsGPT-5.6 SollowClaude Fable 5mediumvsGPT-5.6 SollowGemini 3.1 Pro PreviewmediumvsGPT-5.6 SollowClaude Opus 4.8mediumvsGPT-5.2 ChatnoneGemini 3.5 FlashmediumvsGPT-5.6 SollowClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.8mediumvsDeepSeek V4 FlashhighGPT-5.6 SollowvsQwen3.6 Max Previewmedium