Anthropic · 2025-09-30在线体验
暂无双方都参与的评测基准
下方仍可查看各自的成绩、价格与规格明细。
| Claude Sonnet 4.5 | GPT-5.1 | |
|---|---|---|
| 发布时间 | 2025-09-30 | 2025-11-12 |
| 上下文长度 | 1000K | 400K |
| 最大输出 | 65,536 tokens | 131,072 tokens |
按评测基准逐项对比；切换思考模式或工具设置后，下方图表与表格同步更新。
“最佳可用”按每项评测分别选择按指标方向选出的最佳非并行结果，因此这条系列可能由多个推理档拼接而成，并不代表一个可直接复现的单一运行配置。切换模式筛选可查看可复现的同档结果。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
每条轴是该评测领域内百分制成绩的算术平均，反映的是这些评测的平均得分，不是模型能力评级。
相对优势: 暂无明显优势 / 相对落后: 图像感知与视觉推理 -10.1
相对优势: 图像感知与视觉推理 +10.1 / 相对落后: 暂无明显落后
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数（不取最高分），再按评测领域对这些分数求平均。只纳入至少两个模型有百分制成绩的评测；Codeforces、Arena 等 Elo/评分制评测已排除，因为把 1500 分的 Elo 与 85% 的准确率放在一起平均不具意义。缺项不按 0 分处理；各评测等权，未按难度加权，因此包含高难度评测的领域分数天然偏低。
28 项评测有两款及以上模型的成绩，按领域分组；每格为该模型在当前筛选下的最佳成绩。
| 评测基准 | Claude Sonnet 4.5 | GPT-5.1 | 差距 |
|---|---|---|---|
SWE-Bench Pro - Public Accuracy | Claude Sonnet 4.543.60开启思考 | GPT-5.150.80思考水平·高 | +7.2≠ 模式不同 |
SWE-bench Verified Accuracy | Claude Sonnet 4.577.20开启思考 ｜ 工具 | GPT-5.176.30思考水平·高 ｜ 工具 | +0.9≠ 模式不同 |
Terminal Bench 2.0 Accuracy | Claude Sonnet 4.542.80开启思考 ｜ 工具 | GPT-5.147.60思考水平·高 ｜ 工具 | +4.8≠ 模式不同 |
Terminal Bench Hard Accuracy | Claude Sonnet 4.535.61开启思考 ｜ 工具 | GPT-5.145.50思考水平·高 ｜ 工具 | +9.9≠ 模式不同 |
GSO OPT@1 (%) | Claude Sonnet 4.514.70常规模式 ｜ 工具 | GPT-5.113.70思考水平·高 ｜ 工具 | +1.0≠ 模式不同 |
WeirdML v2 Average accuracy across 17 tasks (%) | Claude Sonnet 4.547.7116K ｜ 工具 | GPT-5.160.77思考水平·高 ｜ 工具 | +13.1≠ 模式不同 |
Vibe Code Bench v1.1 Pass rate (%) | Claude Sonnet 4.522.62开启思考 ｜ 工具 | GPT-5.124.61思考水平·高 ｜ 工具 | +2.0≠ 模式不同 |
HLE Accuracy | Claude Sonnet 4.533.60开启思考 ｜ 工具 | GPT-5.142.70思考水平·高 ｜ 工具 | +9.1≠ 模式不同 |
CritPt Score | Claude Sonnet 4.51.10开启思考 | GPT-5.14.90思考水平·高 | +3.8≠ 模式不同 |
GPQA Diamond Accuracy | Claude Sonnet 4.573.70常规模式 | GPT-5.188.10开启思考 | +14.4≠ 模式不同 |
AIME2025 Accuracy | Claude Sonnet 4.5100.00开启思考 ｜ 工具 | GPT-5.194.17思考水平·高 ｜ 工具 | +5.8≠ 模式不同 |
FrontierMath Accuracy | Claude Sonnet 4.55.20常规模式 | GPT-5.126.70思考水平·高 ｜ 工具 | +21.5≠ 模式不同 |
FrontierMath - Tier 4 Accuracy | Claude Sonnet 4.54.2032K | GPT-5.112.50思考水平·高 ｜ 工具 | +8.3≠ 模式不同 |
ARC-AGI-1 Score (%) | Claude Sonnet 4.563.67开启思考 | GPT-5.172.83思考水平·高 | +9.2≠ 模式不同 |
ARC-AGI-2 Score (% solved); cost per task (USD) | Claude Sonnet 4.513.61开启思考 | GPT-5.117.64思考水平·高 | +4.0≠ 模式不同 |
SimpleBench Score (AVG@5) | Claude Sonnet 4.554.30常规模式 | GPT-5.153.20思考水平·高 | +1.1≠ 模式不同 |
MMMU Accuracy | Claude Sonnet 4.577.80开启思考 | GPT-5.185.40思考水平·高 | +7.6≠ 模式不同 |
MMMU-Pro Accuracy | Claude Sonnet 4.568.90思考水平·高 | GPT-5.179.00开启思考 | +10.1≠ 模式不同 |
VPCT Accuracy (%) | Claude Sonnet 4.539.8032K | GPT-5.158.70思考水平·高 | +18.9≠ 模式不同 |
LiveBench Accuracy | Claude Sonnet 4.568.1964K | GPT-5.172.04思考水平·高 | +3.9≠ 模式不同 |
Text Arena (Coding) Arena Score | Claude Sonnet 4.51391.0032K | GPT-5.11387.00思考水平·中 | +4.0≠ 模式不同 |
ECI ECI score (capability index, higher is better) | Claude Sonnet 4.5146.84思考水平·高 | GPT-5.1149.66思考水平·高 | +2.8 |
SAGE Accuracy (%) | Claude Sonnet 4.536.06开启思考 ｜ 工具 | GPT-5.143.23思考水平·高 ｜ 工具 | +7.2≠ 模式不同 |
τ³-Banking Score | Claude Sonnet 4.524.50开启思考 ｜ 工具 | GPT-5.115.90思考水平·高 ｜ 工具 | +8.6≠ 模式不同 |
MedCode Accuracy (%) | Claude Sonnet 4.544.13开启思考 ｜ 工具 | GPT-5.152.73思考水平·高 ｜ 工具 | +8.6≠ 模式不同 |
MedScribe Rubric pass rate (%) | Claude Sonnet 4.584.52常规模式 ｜ 工具 | GPT-5.188.09思考水平·高 ｜ 工具 | +3.6≠ 模式不同 |
BrowseComp Accuracy | Claude Sonnet 4.524.10开启思考 ｜ 工具 | GPT-5.150.80思考水平·高 | +26.7≠ 模式不同 |
MCP-Atlas Pass rate / claim coverage | Claude Sonnet 4.559.50开启思考 ｜ 工具 | GPT-5.150.10思考水平·高 ｜ 工具 | +9.4≠ 模式不同 |
各模型 API 的官方标价，按输入 / 输出分列；单位为美元 / 百万 tokens。
| 计费项 | Claude Sonnet 4.5 | GPT-5.1 |
|---|---|---|
| 标准价格文本输入 | Claude Sonnet 4.5 $3.00 | GPT-5.1 $1.25最低 |
| 文本输出 | Claude Sonnet 4.5 $15.0 | GPT-5.1 $10.0最低 |
| 缓存价格缓存读取 | Claude Sonnet 4.5 $0.300 | GPT-5.1 $0.125最低 |
| 缓存写入 | Claude Sonnet 4.5 $3.75 | GPT-5.1 $0.000最低 |
| 多模态价格图片输入 | Claude Sonnet 4.5 $3.00 | GPT-5.1 $1.25最低 |
单位：美元 / 百万 tokens · 数据源：DataLearner AI
架构、许可与 API 模态等规格对比；「未提供」表示数据库暂无该字段。
| 功能与规格 | Claude Sonnet 4.5Anthropic | GPT-5.1OpenAI |
|---|---|---|
| 核心规格 | ||
| 发布时间 | 2025-09-30 | 2025-11-12 |
| 上下文长度 | 1000K | 400K |
| 最大输出长度 | 65,536 tokens | 131,072 tokens |
| 模型架构 | 未公布 | 未公布 |
| 支持的运行模式 | 关闭深度 | 关闭开启 |
| 可用性与许可 | ||
| 代码可用性 | 未公开 | 未公开 |
| 权重可用性 | 未公开 | 未公开 |
| 使用与商业许可 | 仅限官方服务；以服务条款为准 | 仅限官方服务；以服务条款为准 |
| API 模态支持 | ||
| 文本 输入/输出 | 输入：支持输出：支持 | 输入：支持输出：支持 |
| 图片 输入/输出 | 输入：支持输出：不支持 | 输入：支持输出：不支持 |
| 资料来源 | ||
| 论文 / 报告 | Introducing Claude Sonnet 4.5 | GPT-5.1: A smarter, more conversational ChatGPT |
| DataLearner 博客 | 全球最强编程大模型升级：Anthropic发布Claude Sonnet 4.5！同时还有一波重磅工具更新：Claude Code支持保存状态等 | OpenAI发布GPT-5.1：围绕“对话体验、一致性、任务适配性”进行的系统化优化的小幅更新！ |
| 模型权重 | 未开放 | 未开放 |
|---|
