导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.6 Terra

摘要

Claude Sonnet 4.6 (medium) vs GPT-5.6 Terra (high) benchmark 对比：GPT-5.6 Terra (high) 平均分领先，为 8.2 vs 7.8。 GPT-5.6 Terra (high) benchmark 成本更低，为 $0.852 vs $1.418。 GPT-5.6 Terra (high) 更快，为 10.89s vs 17.06s，通过率为 65.1% vs 68.3%。

推荐模型: GPT-5.6 Terra (high) - 它在这里得分最高（8.2），同时成本比Claude Sonnet 4.6 (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 Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17 GPT-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09
分数 7.8 8.2
排名 #38 #29
可靠性 10.0 10.0
一致性 9.1 9.6
测试正确
尝试通过率 65.1% 68.3%
不稳定测试 2 1
总运行次数 63 63
每个结果成本 10.904 6.086
总成本 $1.418 $0.852
输入价格 $3.000 / 1M $2.500 / 1M
输出价格 $15.000 / 1M $15.000 / 1M
总输入令牌 49,112 34,218
输出令牌 54,703 1,908
推理令牌 29,970 49,189
响应时间（平均） 17.06s 10.89s
响应时间（最大） 46.35s 91.49s
响应时间（总计） 221.83s 228.65s

生成展示

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-5.6 Terra

high
成本
$0.055
时间
30.2s
令牌
3,748 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 Sonnet 4.6 6.5 10.0 50.0% 0 2.98s 789 1,046 1,093
GPT-5.6 Terra 8.3 10.0 75.0% 0 2.54s 606 158 700
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-5.6 Terra 7.6 7.2 77.8% 1 9.14s 7,302 370 6,087
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 46.35s 18,351 5,871 3,962
GPT-5.6 Terra 10.0 10.0 100.0% 0 6.94s 11,019 314 627
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-5.6 Terra 10.0 10.0 100.0% 0 938ms 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 Sonnet 4.6 2.9 7.2 11.1% 1 0ms 471 25,790 16,919
GPT-5.6 Terra 5.3 10.0 33.3% 0 43.44s 723 70 32,942
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-5.6 Terra 5.1 10.0 0.0% 0 3.03s 477 113 216
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-5.6 Terra 10.0 10.0 100.0% 0 2.14s 660 96 319
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-5.6 Terra 7.7 10.0 66.7% 0 5.45s 642 277 2,613
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-5.6 Terra 10.0 10.0 100.0% 0 4.97s 5,454 258 168
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-5.6 Terra 3.0 10.0 0.0% 0 23.30s 195 30 5,517

快速对比

切换对比组合

GPT-5.6 TerrahighvsQwen3.7 PlusmediumClaude Sonnet 4.6mediumvsGrok 4.5lowNemotron 3 Ultra 550b A55bmedium免费可用vsGPT-5.6 TerrahighGemini 2.5 FlashmediumvsGPT-5.6 TerrahighClaude Sonnet 4.6mediumvsGPT-5.6 TerralowClaude Sonnet 4.6mediumvsStep 3.7 FlashlowClaude Sonnet 4.6mediumvsGPT-5.6 LunahighGPT-5.6 TerrahighvsGrok 4.5mediumGPT-5.6 TerrahighvsQwen3.5 Plus 2026-02-15mediumClaude Sonnet 4.6mediumvsDeepSeek V4 ProhighGPT-5.6 TerrahighvsQwen3.5-27BmediumGPT-5.6 TerrahighvsStep 3.7 Flashmedium