AI BENCHY 对比
Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.2 Chat
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | Claude Sonnet 4.6 Claude Sonnet 4.6 medium | GPT-5.2 Chat GPT-5.2 Chat none |
|---|---|---|
| 分数 | 7.6 | 7.9 |
| 排名 | #52 | #32 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 68.3% | 73.3% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 10.229 | 2.703 |
| 总成本 | $1.330 | $0.352 |
| 输入价格 | $3.000 / 1M | $1.750 / 1M |
| 输出价格 | $15.000 / 1M | $14.000 / 1M |
| 输出令牌 | 49,891 | 21,144 |
| 推理令牌 | 29,565 | 0 |
| 响应时间（平均） | 15.81s | 6.82s |
| 响应时间（最大） | 46.35s | 38.52s |
| 响应时间（总计） | 189.71s | 136.34s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 6.5 | 10.0 | 50.0% | 0 | 2.98s | 1,046 | 1,093 | |
| GPT-5.2 Chat | 8.7 | 7.9 | 91.7% | 1 | 3.40s | 1,807 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 6.9 | 6.0 | 66.7% | 1 | 33.87s | 11,277 | 3,281 | |
| GPT-5.2 Chat | 8.2 | 6.7 | 83.3% | 1 | 8.05s | 4,131 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 46.35s | 5,871 | 3,962 | |
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 9.12s | 1,243 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 13.90s | 649 | 742 | |
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 3.05s | 980 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 2.9 | 7.2 | 11.1% | 1 | 0ms | 25,790 | 16,919 | |
| GPT-5.2 Chat | 5.3 | 10.0 | 33.3% | 0 | 17.78s | 7,810 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 4.94s | 256 | 433 | |
| GPT-5.2 Chat | 4.4 | 3.0 | 33.3% | 1 | 3.20s | 335 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.61s | 318 | 552 | |
| GPT-5.2 Chat | 9.8 | 10.0 | 100.0% | 0 | 5.51s | 1,441 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.31s | 592 | 646 | |
| GPT-5.2 Chat | 7.7 | 10.0 | 66.7% | 0 | 4.10s | 1,603 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.48s | 655 | 351 | |
| GPT-5.2 Chat | 10.0 | 10.0 | 100.0% | 0 | 4.68s | 555 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Sonnet 4.6 | 3.0 | 10.0 | 0.0% | 0 | 30.09s | 3,437 | 1,586 | |
| GPT-5.2 Chat | 3.0 | 10.0 | 0.0% | 0 | 6.89s | 1,239 | 0 |
快速对比
切换对比组合
Gemma 4 26B A4Bmedium免费可用vsGPT-5.2 ChatnoneGPT-5.2 ChatnonevsStep 3.7 FlashmediumGPT-5.2 ChatnonevsGLM 5 TurbomediumGPT-5.2 ChatnonevsQwen3.5-27BmediumClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowGPT-5.2 ChatnonevsQwen3.6 35B A3BmediumClaude Sonnet 4.6mediumvsDeepSeek V4 FlashhighGPT-5.2 ChatnonevsGrok 4.3mediumGemini 3.5 FlashminimalvsGPT-5.2 ChatnoneClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneGPT-5.2 ChatnonevsQwen3.6 Plusmedium