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 (low) benchmark 对比：Claude Sonnet 4.6 (medium) 平均分领先，为 7.8 vs 7.7。 GPT-5.6 Terra (low) benchmark 成本更低，为 $0.343 vs $1.418。 GPT-5.6 Terra (low) 更快，为 4.88s vs 17.06s，通过率为 65.1% vs 74.6%。

推荐模型: GPT-5.6 Terra (low) - 它的得分接近这里的最高分（7.7 vs 7.8），同时成本比Claude Sonnet 4.6 (medium)低约 4.1 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 low 发布日期: 2026-07-09
分数 7.8 7.7
排名 #38 #47
可靠性 10.0 10.0
一致性 9.1 8.1
测试正确
尝试通过率 65.1% 74.6%
不稳定测试 2 5
总运行次数 63 63
每个结果成本 10.904 2.637
总成本 $1.418 $0.343
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 34,226
输出令牌 54,703 1,943
推理令牌 29,970 15,201
响应时间（平均） 17.06s 4.88s
响应时间（最大） 46.35s 19.85s
响应时间（总计） 221.83s 102.53s

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

#47 GPT-5.6 Terra

low
成本
$0.034
时间
16.8s
令牌
2,348 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 2.36s 606 171 602
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 6.6 4.6 77.8% 2 9.56s 7,302 429 6,821
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 5.07s 11,019 312 349
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 919ms 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 7.2 44.4% 1 8.34s 723 72 4,086
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 4.8 3.2 33.3% 1 3.52s 477 105 249
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 1.48s 660 87 134
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 10.0 10.0 100.0% 0 4.46s 642 259 1,506
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 4.7 1.6 66.7% 1 6.69s 5,462 257 226
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 5.95s 195 29 1,228

快速对比

切换对比组合

GPT-5.6 TerralowvsGrok 4.3mediumClaude Sonnet 4.6mediumvsGrok 4.5lowClaude Opus 4.6mediumvsGPT-5.6 TerralowGPT-5.6 TerralowvsQwen3.5-122B-A10BmediumKimi K2.6medium免费可用vsGPT-5.6 TerralowGemini 3.1 Flash LitemediumvsGPT-5.6 TerralowGPT-5.6 TerralowvsQwen3.5 Plus 2026-04-20mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 TerralowMiniMax M3mediumvsGPT-5.6 TerralowDeepSeek V4 ProhighvsGPT-5.6 TerralowGPT-5.6 TerralowvsGrok Build 0.1mediumClaude Sonnet 4.6mediumvsStep 3.7 Flashlow