GPT-5vsClaude Opus 4
在 12 个共同 benchmark 中，GPT-5 整体领先：GPT-5 领先 11 项，Claude Opus 4 领先 1 项，持平 0 项，平均分差 +16.28。
GPT-5
OpenAI · 2025-08-07 · 基础大模型
Claude Opus 4
Anthropic · 2025-05-23 · 推理大模型
GPT-511 项(92%)(8%)1 项Claude Opus 4
评测分数
按能力类目分组，每组内按分差大小排列；共 12 项。
Math and Reasoning
GPT-5 领先 4/4| 评测项 | GPT-5 | Claude Opus 4 | 分差 |
|---|---|---|---|
| IMO-ProofBench | 592 / 16 | 2.9016 / 16 | +56.10 |
| AIME2025 | 99.609 / 107 | 75.5066 / 107 | +24.10 |
| FrontierMath | 24.8015 / 60 | 4.5039 / 60 | +20.30 |
| FrontierMath - Tier 4 | 12.5029 / 80Thinking High (No Tools) | 4.2040 / 80 | +8.30 |
General Knowledge
GPT-5 领先 3/3| 评测项 | GPT-5 | Claude Opus 4 | 分差 |
|---|---|---|---|
| ARC-AGI | 65.7033 / 68 | 35.7051 / 68 | +30 |
| HLE | 35.2077 / 181 | 10.70153 / 181 | +24.50 |
| ARC-AGI-2 | 9.9040 / 62 | 8.6042 / 62 | +1.30 |
Agent Level Benchmark
GPT-5 领先 2/2| 评测项 | GPT-5 | Claude Opus 4 | 分差 |
|---|---|---|---|
| Aider-Polyglot | 881 / 59Thinking High (No Tools) | 70.7016 / 59Normal (No Tools) | +17.30 |
| τ²-Bench | 8015 / 43 | 72.5023 / 43 | +7.50 |
Coding and Software Engineer
GPT-5 领先 1/1| 评测项 | GPT-5 | Claude Opus 4 | 分差 |
|---|---|---|---|
| SWE-bench Verified | 72.8051 / 114 | 72.5053 / 114 | +0.30 |
常识推理
Claude Opus 4 领先 1/1| 评测项 | GPT-5 | Claude Opus 4 | 分差 |
|---|---|---|---|
| SimpleBench | 56.7025 / 67Thinking High (No Tools) | 58.8020 / 67Thinking (No Tools) | -2.10 |
科学与综合推理
GPT-5 领先 1/1| 评测项 | GPT-5 | Claude Opus 4 | 分差 |
|---|---|---|---|
| GPQA Diamond | 87.3069 / 226 | 79.60124 / 226 | +7.70 |
规格对比
| 字段 | GPT-5 | Claude Opus 4 |
|---|---|---|
| 发布机构 | OpenAI | Anthropic |
| 发布时间 | 2025-08-07 | 2025-05-23 |
| 模型类型 | 基础大模型 | 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 | 400K | 200K |
| 最大输出 | 128K | 32K |
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 | Claude Opus 4 |
|---|---|---|
| 文本输入 | $1.25 / 1M tokens | $15 / 1M tokens |
| 文本输出 | $10 / 1M tokens | $75 / 1M tokens |
| 缓存读取 | $0.125 / 1M tokens | $1.5 / 1M tokens |
| 缓存写入 | $0 / 1M tokens | $18.75 / 1M tokens |
小结
- GPT-5在以下类目领先:Math and Reasoning (4/4)、General Knowledge (3/3)、Agent Level Benchmark (2/2)、Coding and Software Engineer (1/1)、科学与综合推理 (1/1)
- Claude Opus 4在以下类目领先:常识推理 (1/1)
12 个共同 benchmark 上，GPT-5 平均高出 16.28 分。
单项差距最大的 benchmark：IMO-ProofBench — GPT-5 59，Claude Opus 4 2.90（分差 +56.10）。
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。