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-5.6 Terra

摘要

Claude Sonnet 5 (medium) vs GPT-5.6 Terra (medium) benchmark 对比：平均分几乎持平，为 7.9 vs 7.8。 GPT-5.6 Terra (medium) benchmark 成本更低，为 $0.496 vs $0.550。 GPT-5.6 Terra (medium) 更快，为 6.69s vs 9.94s，通过率为 79.4% vs 68.3%。

推荐模型: GPT-5.6 Terra (medium) - 它在本次比较中得分最高（7.8），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：: 2026-07-09

指标 Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30 GPT-5.6 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09
分数 7.9 7.8
排名 #35 #37
可靠性 10.0 10.0
一致性 9.0 9.2
测试正确
尝试通过率 79.4% 68.3%
不稳定测试 3 2
总运行次数 63 63
每个结果成本 3.662 3.815
总成本 $0.550 $0.496
输入价格 $2.000 / 1M $2.500 / 1M
输出价格 $10.000 / 1M $15.000 / 1M
总输入令牌 67,416 34,218
输出令牌 34,012 1,982
推理令牌 7,673 25,370
响应时间（平均） 9.94s 6.69s
响应时间（最大） 56.94s 41.68s
响应时间（总计） 208.71s 140.49s

生成展示

Hamster playing table tennis

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

#35 Claude Sonnet 5

medium
成本
$0.007
时间
6.4s
令牌
832 tok

#37 GPT-5.6 Terra

medium
成本
$0.035
时间
16.3s
令牌
2,418 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-5.6 Terra 8.3 10.0 75.0% 0 2.22s 606 172 657
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-5.6 Terra 6.1 7.2 55.6% 1 7.19s 7,302 427 4,527
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-5.6 Terra 10.0 10.0 100.0% 0 6.26s 11,019 316 540
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-5.6 Terra 10.0 10.0 100.0% 0 872ms 7,140 222 0
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-5.6 Terra 5.3 10.0 33.3% 0 23.45s 723 70 15,327
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-5.6 Terra 5.5 10.0 0.0% 0 2.37s 477 133 144
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-5.6 Terra 10.0 10.0 100.0% 0 1.43s 660 89 261
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-5.6 Terra 8.4 7.4 88.9% 1 3.78s 642 272 1,462
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-5.6 Terra 10.0 10.0 100.0% 0 5.09s 5,454 254 246
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-5.6 Terra 3.0 10.0 0.0% 0 10.05s 195 27 2,206

快速对比

切换对比组合

GPT-5.6 TerramediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowClaude Opus 4.8lowvsGPT-5.6 TerramediumGPT-5.6 TerramediumvsStep 3.7 FlashlowClaude Sonnet 5mediumvsGPT-5.6 TerralowClaude Sonnet 5mediumvsStep 3.7 FlashlowClaude Sonnet 5mediumvsGPT-5.6 LunahighDeepSeek V4 ProhighvsGPT-5.6 TerramediumClaude Sonnet 5mediumvsDeepSeek V4 ProhighClaude Sonnet 5mediumvsGPT-5.6 TerrahighClaude Sonnet 5mediumvsGPT-5.3 ChatnoneClaude Sonnet 5mediumvsDeepSeek V4 Flashhigh