Opus 5.5 全基准碾压 GPT-6 Sol,但后者每任务成本仅 1.06 美元
Vast-Grapefruits · reddit · 2026-09-23
Anthropic 与 OpenAI 同日发布新模型后,Reddit 用户汇总了各家基准做正面对比。
- 原始分数:Opus 5.5 在表中所有基准上均胜出。
- 反常点:「真实办公工作」评测 GDPval 上,GPT-6 Sol 比它取代的 GPT-5.6 Sol 还低了约 100 Elo;Artificial Analysis 认为下滑主要来自输出呈现较弱、交付物遗漏任务要求的部分,而非推理能力退步。
- 成本优势:Sol 每 token 价格约为 Opus 一半;在最高推理档位,AA 实测 Opus 5.5 每任务平均输出约 11.9 万 token,而 Sol 仅约 3.1 万,跑完整评测索引每任务成本约 $1.06。
作者表示真正值得关注的是接下来几天真实使用场景中的反馈。
所属事件:Claude Opus 5.5 发布：更强更便宜，登顶 AA 榜首(259 条相关)→
「模型」频道最新
- DeepSeek V4.1 Flash 单卡 3090 跑出 20 tok/s，官方推理栈开源加持 — casper_hansen_ · 2026-11-12
- 双板搭建测试：GPT-6 Astra 成功，Claude Fable 5.2 落败 — qinzytech · 2026-11-12
- Zvi 深析 Anthropic 新系统卡: autonomy 阈值争议成焦点 — Don't Worry About the Vase (Zvi) · 2026-11-12
- antirez 背书:苹果 M5 本地跑低比特 DeepSeek 好过 27B 稠密模型 — antirez · 2026-11-12
- 被禁用视觉后 Gemini 自建文本图像硬扛基准,性能仅降 6% — zacharynado · 2026-11-12
- 实测三模型纯裸跑编码：Gemini 4 Carbon 代码质量惊艳性价比最高 — Semantic_meaning · 2026-11-12