GPT-5.1vsClaude Sonnet 4.5
在 15 个共同 benchmark 中，GPT-5.1 整体领先：GPT-5.1 领先 10 项，Claude Sonnet 4.5 领先 5 项，持平 0 项，平均分差 +5.58。
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-5.110 项(67%)(33%)5 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 15 项。
General Knowledge
GPT-5.1 领先 3/4| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| ARC-AGI | 72.8025 / 65 | 63.7032 / 65 | +9.10 |
| HLE | 26.5083 / 157 | 33.6067 / 157 | -7.10 |
| GPQA Diamond | 88.1028 / 178 | 83.4058 / 178 | +4.70 |
| ARC-AGI-2 | 17.6033 / 59 | 13.6035 / 59 | +4 |
Math and Reasoning
GPT-5.1 领先 2/3| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| FrontierMath | 26.7013 / 60Thinking High (With Tools) | 5.2038 / 60 | +21.50 |
| FrontierMath - Tier 4 | 12.5029 / 80Thinking High (With Tools) | 2.1056 / 80Normal (No Tools) | +10.40 |
| AIME2025 | 9428 / 106 | 1001 / 106 | -6 |
Agent Level Benchmark
胶着 2/2| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| Terminal Bench Hard | 432 / 13Thinking High (With Tools) | 338 / 13 | +10 |
| τ²-Bench - Telecom | 95.6014 / 35Thinking High (With Tools) | 985 / 35 | -2.40 |
Coding and Software Engineer
胶着 2/2| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| SWE-Bench Pro - Public | 50.8030 / 43Thinking High (No Tools) | 43.6036 / 43 | +7.20 |
| SWE-bench Verified | 76.3030 / 108 | 826 / 108 | -5.70 |
AI Agent - Information Search
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| BrowseComp | 50.8036 / 45Thinking High (No Tools) | 24.1043 / 45 | +26.70 |
AI Agent - Tool Usage
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| Terminal Bench 2.0 | 47.6037 / 46Thinking High (With Tools) | 42.8041 / 46 | +4.80 |
Multimodal Understanding
GPT-5.1 领先 1/1| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| MMMU | 85.402 / 28 | 77.8014 / 28 | +7.60 |
常识推理
Claude Sonnet 4.5 领先 1/1| 评测项 | GPT-5.1 | Claude Sonnet 4.5 | 分差 |
|---|---|---|---|
| Simple Bench | 53.2010 / 27 | 54.309 / 27 | -1.10 |
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 |
小结
- GPT-5.1在以下类目领先:General Knowledge (3/4)、Math and Reasoning (2/3)、AI Agent - Information Search (1/1)、AI Agent - Tool Usage (1/1)、Multimodal Understanding (1/1)
- Claude Sonnet 4.5在以下类目领先:常识推理 (1/1)
- 胶着类目:Agent Level Benchmark、Coding and Software Engineer
15 个共同 benchmark 上，GPT-5.1 平均高出 5.58 分。
单项差距最大的 benchmark：BrowseComp — GPT-5.1 50.80，Claude Sonnet 4.5 24.10（分差 +26.70）。
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。