AI BENCHY 对比
Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.4
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-06
| 指标 | Anthropic: Claude Sonnet 4.6 none 发布日期: 2026-02-17 | OpenAI: GPT-5.4 medium 发布日期: 2026-03-05 |
|---|---|---|
| 排名 | #25 | #9 |
| 平均分 | 6.8 | 8.0 |
| 一致性 | 9.6 | 8.5 |
| 每个结果成本 | 2.504 | 6.601 |
| 总成本 | $0.251 | $0.793 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 83.3% |
| 不稳定测试 | 1 | 3 |
| 总运行次数 | 48 (16 x 3) | 48 (16 x 3) |
| 输出令牌 | 6,895 | 1,756 |
| 推理令牌 | 0 | 46,642 |
| 响应时间（平均） | 5.57s | 20.05s |
| 响应时间（最大） | 23.84s | 100.41s |
| 响应时间（总计） | 50.12s | 320.87s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
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 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 4.0 | 10.0 | 33.3% | 0 | 4.83s | 1,199 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.02s | 216 | 1,466 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 9.0 | 10.0 | 100.0% | 0 | 23.84s | 3,766 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 20.57s | 301 | 3,543 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 9.9 | 10.0 | 100.0% | 0 | 3.43s | 252 | 0 | |
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 5.32s | 234 | 804 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 7.0 | 10.0 | 66.7% | 0 | 3.54s | 413 | 0 | |
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 74.27s | 61 | 34,748 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 5.0 | 3.1 | 66.7% | 1 | 2.56s | 192 | 0 | |
| OpenAI: GPT-5.4 | 5.0 | 3.1 | 33.3% | 1 | 4.92s | 145 | 321 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 5.5 | 10.0 | 50.0% | 0 | 1.96s | 90 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 93 | 897 |
| Puzzle Solving | 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 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 7.0 | 10.0 | 66.7% | 0 | 2.92s | 536 | 0 | |
| OpenAI: GPT-5.4 | 7.0 | 7.2 | 88.9% | 1 | 9.13s | 442 | 3,832 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Anthropic: Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 4.11s | 447 | 0 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 264 | 1,031 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsQwen3.5-FlashmediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.4mediumGemini 3 Flash PreviewlowvsGPT-5.4mediumClaude Sonnet 4.6nonevsGPT-5.2mediumClaude Sonnet 4.6nonevsKimi K2.5mediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsDeepSeek V3.2mediumClaude Sonnet 4.6nonevsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6nonevsGrok 4.1 FastmediumClaude Sonnet 4.6nonevsGemini 2.5 FlashmediumClaude Sonnet 4.6nonevsGLM 5medium