AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.5

摘要

Claude Sonnet 4.6 vs GPT-5.5 benchmark 对比：GPT-5.5 平均分领先，为 9.0 vs 7.3。 Claude Sonnet 4.6 benchmark 成本更低，为 $0.316 vs $3.679。 Claude Sonnet 4.6 更快，为 5.04s vs 37.98s，通过率为 55.6% vs 87.3%。

推荐模型: GPT-5.5 - 它在本次比较中得分最高（9.0），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24
分数	7.3	9.0
排名	#55	#9
可靠性	10.0	10.0
一致性	9.7	8.9
测试正确
尝试通过率	55.6%	87.3%
不稳定测试	1	3
总运行次数	63	63
每个结果成本	2.870	21.638
总成本	$0.316	$3.679
输入价格	$3.000 / 1M	$5.000 / 1M
输出价格	$15.000 / 1M	$30.000 / 1M
总输入令牌	57,886	34,212
输出令牌	9,465	1,985
推理令牌	0	114,925
响应时间（平均）	5.04s	37.98s
响应时间（最大）	23.84s	332.10s
响应时间（总计）	70.60s	797.60s

生成展示

Hamster playing table tennis

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

#55 Claude Sonnet 4.6

none

成本: $0.038
时间: 27.3s
令牌: 2,598 tok

#9 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 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-5.5	10.0	10.0	100.0%	0		4.66s	606	250	1,335

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-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959

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-5.5	10.0	10.0	100.0%	0		19.29s	11,019	312	2,841

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-5.5	10.0	10.0	100.0%	0		4.18s	7,140	234	593

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-5.5	5.3	7.2	44.4%	1		164.14s	723	67	79,625

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-5.5	10.0	10.0	100.0%	0		4.16s	477	138	223

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-5.5	10.0	10.0	100.0%	0		3.36s	660	93	538

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-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225

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-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832

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-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754

快速对比

切换对比组合