导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Sonnet 5 vs OpenAI: GPT-5.4 Mini

摘要

Claude Sonnet 5 vs GPT-5.4 Mini benchmark 对比：GPT-5.4 Mini 平均分领先，为 8.0 vs 7.9。 GPT-5.4 Mini benchmark 成本更低，为 $0.526 vs $0.550。 Claude Sonnet 5 更快，为 9.94s vs 22.34s，通过率为 79.4% vs 73.0%。

推荐模型: Claude Sonnet 5 - 它的得分接近这里的最高分（7.9 vs 8.0），同时响应速度比GPT-5.4 Mini快约 2.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标 Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30 GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17
分数 7.9 8.0
排名 #30 #27
可靠性 10.0 10.0
一致性 9.0 8.0
测试正确
尝试通过率 79.4% 73.0%
不稳定测试 3 5
总运行次数 63 63
每个结果成本 3.662 4.381
总成本 $0.550 $0.526
输入价格 $2.000 / 1M $0.750 / 1M
输出价格 $10.000 / 1M $4.500 / 1M
总输入令牌 67,416 34,116
输出令牌 34,012 2,181
推理令牌 7,673 108,937
响应时间（平均） 9.94s 22.34s
响应时间（最大） 56.94s 138.75s
响应时间（总计） 208.71s 469.20s

生成展示

Hamster playing table tennis

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

#30 Claude Sonnet 5

medium
成本
$0.007
时间
6.4s
令牌
832 tok

#27 GPT-5.4 Mini

medium
成本
$0.056
时间
95.5s
令牌
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 5 10.0 10.0 100.0% 0 3.80s 834 1,220 446
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 5 9.0 7.9 88.9% 1 17.28s 10,590 13,153 2,379
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 5 4.5 2.1 66.7% 1 37.01s 29,394 4,848 2,170
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 5 10.0 10.0 100.0% 0 3.16s 10,503 312 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 5 7.7 10.0 66.7% 0 20.38s 975 12,140 1,994
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 5 4.8 3.2 33.3% 1 4.32s 708 264 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 5 9.9 10.0 100.0% 0 3.10s 909 318 269
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 5 7.7 10.0 66.7% 0 2.98s 894 407 121
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 5 10.0 10.0 100.0% 0 10.70s 12,351 433 90
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 5 3.0 10.0 0.0% 0 7.06s 258 917 204
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 5mediumvsStep 3.7 FlashlowClaude Sonnet 5mediumvsDeepSeek V4 ProhighDeepSeek V4 FlashhighvsGPT-5.4 MinimediumClaude Opus 4.8lowvsGPT-5.4 MinimediumGPT-5.4 MinimediumvsStep 3.7 FlashlowClaude Sonnet 5mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGPT-5.4 MinimediumClaude Sonnet 5mediumvsDeepSeek V4 FlashhighClaude Sonnet 5mediumvsGemini 3 Flash PreviewlowClaude Sonnet 5mediumvsGPT-5.2 ChatnoneGemini 3 Flash PreviewlowvsGPT-5.4 MinimediumClaude Sonnet 5mediumvsDeepSeek V4 Pronone