导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.4 Mini

摘要

Claude Sonnet 4.6 vs GPT-5.4 Mini benchmark 对比：GPT-5.4 Mini 平均分领先，为 8.0 vs 7.3。 Claude Sonnet 4.6 benchmark 成本更低，为 $0.316 vs $0.526。 Claude Sonnet 4.6 更快，为 5.04s vs 22.34s，通过率为 55.6% vs 73.0%。

推荐模型: Claude Sonnet 4.6 - 它的得分接近这里的最高分（7.3 vs 8.0），同时成本比GPT-5.4 Mini低约 1.7 倍。

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 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17
分数 7.3 8.0
排名 #56 #30
可靠性 10.0 10.0
一致性 9.7 8.0
测试正确
尝试通过率 55.6% 73.0%
不稳定测试 1 5
总运行次数 63 63
每个结果成本 2.870 4.381
总成本 $0.316 $0.526
输入价格 $3.000 / 1M $0.750 / 1M
输出价格 $15.000 / 1M $4.500 / 1M
总输入令牌 57,886 34,116
输出令牌 9,465 2,181
推理令牌 0 108,937
响应时间（平均） 5.04s 22.34s
响应时间（最大） 23.84s 138.75s
响应时间（总计） 70.60s 469.20s

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

#30 GPT-5.4 Mini

medium
Cost
$0.056
Time
95.5s
Tokens
12,464 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 Mini 8.6 7.9 91.7% 1 4.05s 606 296 2,876
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 Mini 8.4 7.4 88.9% 1 57.87s 7,305 467 40,902
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 Mini 10.0 10.0 100.0% 0 17.81s 11,019 317 4,317
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 Mini 10.0 10.0 100.0% 0 2.43s 7,140 234 650
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 Mini 4.1 4.4 44.5% 2 65.31s 619 60 43,286
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 Mini 4.5 10.0 0.0% 0 3.72s 477 150 510
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 Mini 9.8 10.0 100.0% 0 2.13s 660 96 1,185
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 Mini 7.8 10.0 66.7% 0 4.37s 642 278 2,443
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 Mini 4.7 1.6 66.7% 1 9.62s 5,453 251 2,594
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 Mini 3.0 10.0 0.0% 0 30.10s 195 32 10,174

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