GPT-5.6 SolvsClaude Opus 4.8
在 23 个共同 benchmark 中，GPT-5.6 Sol 整体领先：GPT-5.6 Sol 领先 13 项，Claude Opus 4.8 领先 10 项，持平 0 项，平均分差 +8.56。
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 Sol13 项(57%)(43%)10 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 23 项。
法律
Claude Opus 4.8 领先 2/3| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Harvey's Legal Agent Benchmark | 2.5029 / 43Max (With Tools) | 9.5812 / 43Max (With Tools) | -7.08 |
| Legal Research Bench | 48.087 / 42Max (With Tools) | 43.7512 / 42Max (With Tools) | +4.33 |
| Harvey Lab-AA | 87.1817 / 44Max (With Tools) | 91.0811 / 44Max (With Tools) | -3.90 |
临床工作与医疗决策
Claude Opus 4.8 领先 2/2| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| MedCode | 43.9732 / 64Max (With Tools) | 53.228 / 64Max (With Tools) | -9.25 |
| MedScribe | 85.2320 / 66Max (With Tools) | 85.7517 / 66Max (With Tools) | -0.52 |
多轮记忆与持续上下文
GPT-5.6 Sol 领先 2/2| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| EBR-bench | 44.766 / 23Max (With Tools) | 28.5710 / 23Max (With Tools) | +16.19 |
| Context Arena | 97.632 / 126Max (No Tools) | 90.0415 / 126Max (No Tools) | +7.59 |
客服与业务流程
Claude Opus 4.8 领先 2/2| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| SAGE | 52.564 / 64Max (With Tools) | 54.792 / 64Max (With Tools) | -2.23 |
| Public Benefits Bench v1.1 | 66.5110 / 26Max (With Tools) | 68.138 / 26Max (With Tools) | -1.62 |
自主开发与终端任务
GPT-5.6 Sol 领先 2/2| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Terminal-Bench 4.0 | 37.2724 / 98Max (With Tools) | 23.6435 / 98Max (With Tools) | +13.63 |
| Terminal Bench Hard | 65.901 / 244Max (With Tools) | 58.3010 / 244Max (With Tools) | +7.60 |
跨应用与工具编排
胶着 2/2| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| MCPMark-Verified | 92.912 / 8Max (With Tools) | 76.386 / 8Max (With Tools) | +16.53 |
| PinchBench v2 | 84.197 / 45Reported best (effort unspecified) | 90.542 / 45Reported best (effort unspecified) | -6.35 |
金融
胶着 2/2| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| EMB (Excel Modeling) | 72.345 / 42Max (With Tools) | 69.3710 / 42Max (With Tools) | +2.97 |
| Finance Agent v2 | 53.7621 / 43Max (With Tools) | 53.9219 / 43Max (With Tools) | -0.16 |
专业数据分析
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| AA-AnalystAgent | 47.507 / 29Max (With Tools + Internet) | 459 / 29Max (With Tools + Internet) | +2.50 |
写作与创意表达
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Creative Writing | 1,9729 / 110Normal (No Tools) | 1,84018 / 110Normal (No Tools) | +131.80 |
数学
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| FrontierMath v2 | 89.121 / 58Max (No Tools) | 809 / 58Max (No Tools) | +9.12 |
科学知识与推理
Claude Opus 4.8 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| GPQA Diamond | 82.83109 / 253Normal (No Tools) | 85.3585 / 253Normal (No Tools) | -2.53 |
科学计算与科研编程
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Terminal-Bench-Science 0.1 | 22.406 / 18Max (With Tools) | 10.5011 / 18Max (With Tools) | +11.90 |
程序生成与编辑
Claude Opus 4.8 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Vibe Code Bench v1.1 | 80.5017 / 61Max (With Tools) | 82.7213 / 61Max (With Tools) | -2.22 |
维护、优化与工程管理
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Code Migration | 52.927 / 43Max (With Tools) | 47.2510 / 43Max (With Tools) | +5.67 |
跨能力聚合指数
GPT-5.6 Sol 领先 1/1| 评测项 | GPT-5.6 Sol | Claude Opus 4.8 | 分差 |
|---|---|---|---|
| Vals Index v2.1 | 58.019 / 36Max (task-specific tools) | 55.1012 / 36Max (task-specific tools) | +2.91 |
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:多轮记忆与持续上下文 (2/2)、自主开发与终端任务 (2/2)、专业数据分析 (1/1)、写作与创意表达 (1/1)、数学 (1/1)、科学计算与科研编程 (1/1)、维护、优化与工程管理 (1/1)、跨能力聚合指数 (1/1)
- Claude Opus 4.8在以下类目领先:法律 (2/3)、临床工作与医疗决策 (2/2)、客服与业务流程 (2/2)、科学知识与推理 (1/1)、程序生成与编辑 (1/1)
- 胶着类目:跨应用与工具编排、金融
23 个共同 benchmark 上，GPT-5.6 Sol 平均高出 8.56 分。
单项差距最大的 benchmark：Creative Writing — GPT-5.6 Sol 1,972，Claude Opus 4.8 1,840（分差 +131.80）。
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。