导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.4

摘要

Claude Sonnet 4.6 vs GPT-5.4 benchmark 对比：GPT-5.4 平均分领先，为 8.5 vs 7.3。 Claude Sonnet 4.6 benchmark 成本更低，为 $0.316 vs $1.210。 Claude Sonnet 4.6 更快，为 5.04s vs 22.35s，通过率为 55.6% vs 76.2%。

推荐模型: Claude Sonnet 4.6 - 它提供了最佳整体取舍：得分有竞争力（7.3），成本低于GPT-5.4，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17 GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05
分数 7.3 8.5
排名 #56 #20
可靠性 10.0 10.0
一致性 9.7 8.6
测试正确
尝试通过率 55.6% 76.2%
不稳定测试 1 4
总运行次数 63 63
每个结果成本 2.870 8.640
总成本 $0.316 $1.210
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 57,886 34,108
输出令牌 9,465 2,242
推理令牌 0 72,707
响应时间（平均） 5.04s 22.35s
响应时间（最大） 23.84s 100.41s
响应时间（总计） 70.60s 469.29s

Generation showcase

Hamster playing table tennis

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

#56 Claude Sonnet 4.6

none
Cost
$0.038
Time
27.3s
Tokens
2,598 tok

#20 GPT-5.4

medium
Cost
$0.214
Time
199.6s
Tokens
14,349 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 4.8 10.0 25.0% 0 2.94s 636 1,214 0
GPT-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
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 5.5 10.0 33.3% 0 5.19s 8,522 2,127 0
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
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 9.5 10.0 100.0% 0 23.84s 26,024 3,766 0
GPT-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 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） 输入令牌 输出令牌 推理令牌
Claude Sonnet 4.6 10.0 10.0 100.0% 0 3.43s 8,574 252 0
GPT-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
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） 输入令牌 输出令牌 推理令牌
Claude Sonnet 4.6 7.7 10.0 66.7% 0 3.54s 759 413 0
GPT-5.4 5.3 7.2 44.4% 1 74.27s 619 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） 输入令牌 输出令牌 推理令牌
Claude Sonnet 4.6 6.1 3.1 66.7% 1 2.56s 513 192 0
GPT-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
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） 输入令牌 输出令牌 推理令牌
Claude Sonnet 4.6 6.5 10.0 50.0% 0 1.96s 690 90 0
GPT-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
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 7.7 10.0 66.7% 0 2.53s 663 533 0
GPT-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
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 4.11s 11,301 447 0
GPT-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
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 4.67s 204 431 0
GPT-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821

快速对比

切换对比组合

Claude Sonnet 4.6nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsGLM 5V TurbomediumClaude Sonnet 4.6nonevsGemini 3 Flash PreviewlowClaude Sonnet 4.6nonevsMiMo-V2.5-PromediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsGemma 4 26B A4Bmedium免费可用Claude Sonnet 4.6nonevsDeepSeek V3.2mediumClaude Sonnet 4.6nonevsQwen3.6 FlashmediumClaude Sonnet 4.6nonevsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsGLM 5.1medium