自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: 数学推理 +23.4 / 相对落后: 常识推理 -2.1
相对优势: 常识推理 +2.1 / 相对落后: 数学推理 -23.4
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 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
GPT-5 · 55.00
单项最高
GPT-5 · AIME2025 99.60
模态覆盖
GPT-5 · 2 种模态
正面对比
11
评测基准
10
领先项
1
落后项
+16.32
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
11 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | GPT-5 | Claude Opus 4 |
|---|---|---|
ARC-AGI 综合评估 | 65.70思考水平·高 | 35.70常规模式 |
ARC-AGI-2 综合评估 | 9.90思考水平·高 | 8.60常规模式 |
GPQA Diamond 综合评估 | 87.30开启思考 ｜ 工具 | 79.60常规模式 |
HLE 综合评估 | 35.20开启思考 ｜ 工具 | 10.70常规模式 |
SWE-bench Verified 编程与软件工程 | 72.80思考水平·高 | 72.50常规模式 |
AIME2025 数学推理 | 99.60开启思考 ｜ 工具 | 75.50常规模式 |
FrontierMath 数学推理 | 26.30思考水平·高 ｜ 工具 | 4.50常规模式 |
12.50思考水平·高 | 4.20开启思考 | |
IMO-ProofBench 数学推理 | 59.00开启思考 | 2.90开启思考 |
Simple Bench 常识推理 | 56.70思考水平·高 | 58.80开启思考 |
τ²-Bench Agent能力评测 | 80.00开启思考 ｜ 工具 | 72.50开启思考 ｜ 工具 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | GPT-5OpenAI | Claude Opus 4Anthropic |
|---|---|---|
核心规格发布时间 | 2025-08-07 | 2025-05-23 |
上下文 | 400K | 200K |
最大输出 | 131072 | 32000 |
MoE 架构 | 不支持 | 不支持 |
支持模式 | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode）深度思考（Deeper Thinking Mode） | 暂无模式数据 |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 不开源 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
资料来源论文 / 报告 | Introducing GPT-5 | Introducing Claude 4 |
DataLearner 博客 | OpenAI发布GPT-5：这是一个包含实时路由的AI系统，而不仅仅是一个模型 | Anthropic发布Claude4，全球最强编程大模型，大幅提升AI Agent系统所需的各项能力，最长可以7小时连续工作，80%工程任务自主完成 |
