Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.2 Chat

GPT-5.2 Chat 平均分领先，为 8.0 vs 7.8。 GPT-5.2 Chat benchmark 成本更低，为 $0.604 vs $2.057。 GPT-5.2 Chat 更快，为 7.65s vs 25.91s，通过率为 66.7% vs 74.2%。

推荐模型GPT-5.2 Chat它在这里得分最高（8.0），同时成本比Claude Sonnet 4.6 (medium)低约 3.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11
分数	7.8	8.0
排名	#38	#29
可靠性	10.0	10.0
一致性	9.2	8.6
测试正确
尝试通过率	66.7%	74.2%
不稳定测试	2	4
总运行次数	66	66
每个结果成本	14.692	4.308
总成本	$2.057	$0.604
输入价格	$3.000 / 1M	$1.750 / 1M
输出价格	$15.000 / 1M	$14.000 / 1M
总输入令牌	106,292	101,248
输出令牌	80,748	30,424
推理令牌	35,117	0
响应时间（平均）	25.91s	7.65s
响应时间（最大）	140.96s	38.52s
响应时间（总计）	362.78s	168.39s

Hamster playing table tennis

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

#38 Claude Sonnet 4.6

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#29 GPT-5.2 Chat

none

成本: $0.010
时间: 15.3s
令牌: 797 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 Sonnet 4.6	6.5	10.0	50.0%	0		2.98s	789	1,046	1,093
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	606	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）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	5.7	6.6	44.4%	1		33.29s	6,995	16,089	3,686
GPT-5.2 Chat	8.8	7.8	88.9%	1		9.82s	7,305	6,731	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）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		93.65s	75,531	31,916	9,109
GPT-5.2 Chat	7.3	5.8	83.3%	1		13.91s	78,055	7,923	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）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		13.90s	8,676	649	742
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	7,140	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）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	2.9	7.2	11.1%	1		0ms	471	25,790	16,919
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	723	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）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		4.94s	564	256	433
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	477	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）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		2.61s	792	318	552
GPT-5.2 Chat	9.8	10.0	100.0%	0		5.51s	660	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）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		5.31s	816	592	646
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.10s	642	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）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		7.48s	11,454	655	351
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	5,445	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）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	3.0	10.0	0.0%	0		30.09s	204	3,437	1,586
GPT-5.2 Chat	3.0	10.0	0.0%	0		6.89s	195	1,239	0

快速对比

切换对比组合

GPT-5.2 ChatnonevsStep 3.7 Flashmedium GPT-5.2 ChatnonevsGLM 5.2high Muse Spark 1.1highvsGPT-5.2 Chatnone Kimi K3maxvsGPT-5.2 Chatnone Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh Claude Sonnet 4.6mediumvsGPT-5.6 Terrahigh Claude Sonnet 4.6mediumvsKimi K3max Seed-2.0-LitemediumvsGPT-5.2 Chatnone Claude Sonnet 4.6mediumvsDeepSeek V4 Flashhigh Claude Sonnet 4.6mediumvsDeepSeek V4 Prohigh GPT-5.2 ChatnonevsQwen3.7 Plusmedium Gemini 2.5 FlashmediumvsGPT-5.2 Chatnone