GPT-5.1vsClaude Sonnet 4.5
在 8 个共同 benchmark 中，Claude Sonnet 4.5 整体领先：GPT-5.1 领先 2 项，Claude Sonnet 4.5 领先 6 项，持平 0 项，平均分差 -7.27。
GPT-5.1
OpenAI · 2025-11-12 · 推理大模型
Claude Sonnet 4.5
Anthropic · 2025-09-30 · 聊天大模型
GPT-5.12 项(25%)(75%)6 项Claude Sonnet 4.5
评测分数
按能力类目分组，每组内按分差大小排列；共 8 项。
Agent Level Benchmark
Claude Sonnet 4.5 领先 2/2| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 46.50178 / 263Normal (With Tools) | 70.50138 / 264Normal (With Tools) | -24 |
| Terminal Bench Hard | 22.70143 / 243Normal (With Tools) | 28.80116 / 244Normal (With Tools) | -6.10 |
General Knowledge
Claude Sonnet 4.5 领先 2/2| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| LiveBench | 42.65108 / 117Normal (No Tools) | 53.6985 / 117Normal (No Tools) | -11.04 |
| HLE | 5.30471 / 561Normal (No Tools) · Text only | 7.20436 / 563Normal (No Tools) · Text only | -1.90 |
Math and Reasoning
GPT-5.1 领先 2/2| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| IMO-ProofBench Advanced | 7.1016 / 24Thinking (No Tools) | 4.8019 / 24Thinking (No Tools) | +2.30 |
| AIME2025 | 38170 / 215Normal (No Tools) | 37173 / 215Normal (No Tools) | +1 |
Long Context
Claude Sonnet 4.5 领先 1/1| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| AA-LCR | 45147 / 170Normal (No Tools) | 54133 / 170Normal (No Tools) | -9 |
科学与综合推理
Claude Sonnet 4.5 领先 1/1| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| GPQA Diamond | 64.30361 / 460Normal (No Tools) | 73.70292 / 462Normal (No Tools) | -9.40 |
规格对比
| 字段 | GPT-5.1 | Claude Sonnet 4.5 |
|---|---|---|
| 发布机构 | OpenAI | Anthropic |
| 发布时间 | 2025-11-12 | 2025-09-30 |
| 模型类型 | 推理大模型 | 聊天大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 暂无数据 | 暂无数据 |
| 上下文长度 | 400K | 1000K |
| 最大输出 | 128K | 64K |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | GPT-5.1 | Claude Sonnet 4.5 |
|---|---|---|
| 文本输入 | $1.25 / 1M tokens | $3 / 1M tokens |
| 文本输出 | $10 / 1M tokens | $15 / 1M tokens |
| 缓存读取 | $0.125 / 1M tokens | $0.3 / 1M tokens |
| 缓存写入 | $0 / 1M tokens | $3.75 / 1M tokens |
小结
- GPT-5.1在以下类目领先:Math and Reasoning (2/2)
- Claude Sonnet 4.5在以下类目领先:Agent Level Benchmark (2/2)、General Knowledge (2/2)、Long Context (1/1)、科学与综合推理 (1/1)
8 个共同 benchmark 上，Claude Sonnet 4.5 平均高出 7.27 分。
单项差距最大的 benchmark：τ²-Bench - Telecom — GPT-5.1 46.50，Claude Sonnet 4.5 70.50（分差 -24）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。