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 5 vs OpenAI: GPT-5.5

摘要

Claude Sonnet 5 vs GPT-5.5 benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 7.9。 Claude Sonnet 5 benchmark 成本更低，为 $0.550 vs $0.907。 GPT-5.5 更快，为 9.76s vs 9.94s，通过率为 79.4% vs 85.7%。

推荐模型: GPT-5.5 - 它在本次比较中得分最高（9.3），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：: 2026-06-30

指标 Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24
分数 7.9 9.3
排名 #30 #4
可靠性 10.0 10.0
一致性 9.0 10.0
测试正确
尝试通过率 79.4% 85.7%
不稳定测试 3 0
总运行次数 63 63
每个结果成本 3.662 5.035
总成本 $0.550 $0.907
输入价格 $2.000 / 1M $5.000 / 1M
输出价格 $10.000 / 1M $30.000 / 1M
总输入令牌 67,416 34,209
输出令牌 34,012 2,046
推理令牌 7,673 22,460
响应时间（平均） 9.94s 9.76s
响应时间（最大） 56.94s 56.19s
响应时间（总计） 208.71s 204.92s

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

#4 GPT-5.5

low
成本
$0.068
时间
37.0s
令牌
2,339 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-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
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-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
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-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
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-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
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-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
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-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
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-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
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-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
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-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
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-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowClaude Sonnet 5mediumvsStep 3.7 FlashlowGemini 3.5 FlashmediumvsGPT-5.5lowClaude Sonnet 5mediumvsDeepSeek V4 ProhighGemini 3 Flash PreviewmediumvsGPT-5.5lowClaude Sonnet 5mediumvsGPT-5.3 ChatnoneClaude Sonnet 5mediumvsDeepSeek V4 FlashhighGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Sonnet 5mediumvsGemini 3 Flash PreviewlowClaude Opus 4.8mediumvsGPT-5.5low