GPT-5.6 SolvsClaude Opus 4.8
在 13 个共同 benchmark 中，GPT-5.6 Sol 整体领先：GPT-5.6 Sol 领先 10 项，Claude Opus 4.8 领先 3 项，持平 0 项，平均分差 +23.04。
GPT-5.6 Sol
OpenAI · 2026-06-26 · 推理大模型
Claude Opus 4.8
Anthropic · 2026-05-28 · 推理大模型
GPT-5.6 Sol10 项(77%)(23%)3 项Claude Opus 4.8
评测分数
按能力类目分组，每组内按分差大小排列；共 13 项。
Coding and Software Engineer
GPT-5.6 Sol 领先 3/4| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Text Arena (Coding) | 1,6204 / 35极高强度思考（无工具） | 1,5459 / 35Normal (No Tools) | +75.22 |
| WeirdML v2 | 88.762 / 52Thinking High (With Tools) | 70.4518 / 52Normal (With Tools) | +18.31 |
| DeepSWE | 72.701 / 32极高强度思考（工具） | 5917 / 32Deep Thinking (With Tools) | +13.70 |
| SWE-Bench Pro - Public | 64.608 / 59极高强度思考（工具） | 69.204 / 59Extended (with tools) | -4.60 |
AI Agent - Tool Usage
GPT-5.6 Sol 领先 3/3| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Terminal-Bench 4.0 | 37.275 / 11Max (With Tools) | 23.646 / 11Max (With Tools) | +13.63 |
| Terminal-Bench-Science 0.1 | 22.403 / 10Max (With Tools) | 10.505 / 10Max (With Tools) | +11.90 |
| Terminal-Bench 2.1 | 88.801 / 47最高（无工具） | 78.9023 / 47Thinking High (With Tools) | +9.90 |
Math and Reasoning
GPT-5.6 Sol 领先 2/2| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| FrontierMath Tier 4 v2 | 82.932 / 40最高（无工具） | 56.109 / 40最高（无工具） | +26.83 |
| FrontierMath v2 | 89.121 / 58最高（无工具） | 809 / 58最高（无工具） | +9.12 |
General Knowledge
Claude Opus 4.8 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| HLE | 49.5038 / 188最高（无工具） | 57.9010 / 188Extended (with tools) | -8.40 |
Text Embedding
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Context Arena | 97.632 / 126最高（无工具） | 90.0415 / 126最高（无工具） | +7.59 |
Writing and Creative Capabilities
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Creative Writing | 1,9644 / 99Normal (No Tools) | 1,83513 / 99Normal (No Tools) | +128.80 |
科学与综合推理
Claude Opus 4.8 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| GPQA Diamond | 82.83121 / 270Normal (No Tools) | 85.3596 / 270Normal (No Tools) | -2.53 |
规格对比
| 字段 | GPT-5.6 Sol | Claude Opus 4.8 |
|---|---|---|
| 发布机构 | OpenAI | Anthropic |
| 发布时间 | 2026-06-26 | 2026-05-28 |
| 模型类型 | 推理大模型 | 推理大模型 |
| 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 | 1.05M | 1M |
| 最大输出 | 128K | 125K |
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-5.6 Sol | Claude Opus 4.8 |
|---|---|---|
| 文本输入 | $4 / 1M tokens | $5 / 1M tokens |
| 文本输出 | $20 / 1M tokens | $25 / 1M tokens |
| 缓存读取 | $0.4 / 1M tokens | $0.5 / 1M tokens |
| 缓存写入 | $5 / 1M tokens | $6.25 / 1M tokens |
小结
- GPT-5.6 Sol在以下类目领先:Coding and Software Engineer (3/4)、AI Agent - Tool Usage (3/3)、Math and Reasoning (2/2)、Text Embedding (1/1)、Writing and Creative Capabilities (1/1)
- Claude Opus 4.8在以下类目领先:General Knowledge (1/1)、科学与综合推理 (1/1)
13 个共同 benchmark 上，GPT-5.6 Sol 平均高出 23.04 分。
单项差距最大的 benchmark：Creative Writing — GPT-5.6 Sol 1,964，Claude Opus 4.8 1,835（分差 +128.80）。
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。