為 Claude Opus 5.5 與 GPT-6.2 Sol 生成的標題卡,內含三張數據卡,分別寫著「相差 1.8 個指數點」、「每項任務成本為 10 倍」和「實際耗時為 3 倍」,頁尾引用 Artificial Analysis index v5.0.1 以及 GPT-6.2 Sol 於 2026 年 11 月 17 日發布的資訊。OrcaRouter 標誌位於右下角。
Guides & Insights

Claude Opus 5.5 對決 GPT-6.2 Sol:多兩分,卻得多等三倍時間

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

問開發者這兩個模型該用哪一個,答案通常會以排行榜名次的形式出現。問一個得在週五前把功能上線的人,問題就不一樣了:得到一個答案要多久,以及取得它要花多少成本。根據 Artificial Analysis 在撰寫本文時的測量,Claude Opus 5.5 在 Intelligence Index 上得分 59.1,而 GPT-6.2 Sol 得分 57.3——差距 1.8 分,小於許多測試套件每次執行之間的雜訊。若看每個 Index 任務的實際耗時,同一組模型則是 24.6 分鐘對上 8.0 分鐘。其中一個模型快了三倍,分數卻只少兩分,而這個比率——而非排行榜名次——才是決定大多數實際部署的關鍵。

日期對於理解後續內容很重要。Claude Opus 5.5 自 2026 年 9 月 22 日起全面供應,價格為每百萬輸入 token 4 美元、每百萬輸出 token 20 美元。GPT-6.2 Sol 在本文撰寫時才問世兩天,由 OpenAI 於 2026 年 11 月 17 日發布,價格為每百萬輸入 2 美元、每百萬輸出 10 美元,並具備 1,050,000 個 token 的上下文視窗——這是針對它所取代的模型 GPT-6.1 Sol 的直接同價對標,而後者自 9 月 29 日起便一直維持 2 美元/10 美元的價位。因此,這並不是一場「一邊是經過驗證的模型、另一邊是毫無實績的挑戰者,且雙方價格都毫無變動」的比較;而是成熟旗艦機種與同價位改版之間的比較,而這次改版主要只是換掉了底層的模型。

三倍延遲這個數字從何而來

問題不在輸出速度。若以每秒 token 數來衡量,兩者差距比標題所暗示的更小:GPT-6.2 Sol 為 85 tok/s,Claude Opus 5.5 則是 117。Opus 5.5 其實是更快的生成器。差距出現在每個模型決定在停止前要產生多少 token。

Headless capture of Artificial Analysis's GPT-6.2 Sol model page, showing the model's summary panel with its Intelligence Index score of 57, its release date of 17 November 2026, output speed of 85 tokens per second, and pricing of $2.00 per million input and $10.00 per million output tokens.

在整個 Index 測試套件中,Artificial Analysis 記錄到 Claude Opus 5.5 的輸出 token 數為 218M,而 GPT-6.2 Sol 為 60.9M——在同一組任務上,總生成 token 數相差 3.6 倍。將此乘以速度比,就會得到每項任務 24.6 對 8.0 分鐘。換句話說,Opus 5.5 之所以慢,不是因為它的推論慢,而是因為它思考得更久;在這個測試框架上,額外的思考換來 1.8 個 Index 分數。

這與單純資源配置不足的模型是根本不同的問題。你無法透過改用更快的供應商或擴大 GPU 配置來解決;token 數量是模型努力程度設定的特性。你能做的是改變努力程度設定,而對 Opus 5.5 處境的誠實描述是:其公開數據是在最大努力程度下取得的——這個設定會同時將分數最大化並使延遲惡化。

兩點差距反轉的基準測試

綜合指數掩蓋了真正的分歧,而這道分歧沿著一條多數團隊都能在自己的待辦清單中辨識出來的界線展開。所有數字皆為 Artificial Analysis 在同一套測試套件上獨立測量所得,兩個模型均設定為最高投入程度。

• 智力指數 — 59.1 對 57.3,依據 v5.0.1 修訂版。

• 每項 Index 任務成本 — 10.04 美元 vs 1.01 美元,相差 9.9 倍。

• 每項 Index 任務的時間 — 24.6 分鐘 vs 8.0 分鐘。

• Terminal-Bench 4.0 — 59.6% 對 60.1%,實際上不相上下,較新的模型略勝一籌。

• Terminal-Bench-Science 0.1 — 59.0% 對 67.6%,GPT-6.2 Sol 以 8.6 個百分點勝出,也是本文中最大的單一差距。

• FrontierCode-AA 2.0 — 46.4% 對比 44.4%。

• HLE-Diamond — 67.9% 對 64.0%。

• AnalystAgent — 56.3% 對比 53.8%。

• AutomationBench-AA — 69.5% 對 71.3%,Sol 險勝。

• AA-Omniscience — 準確率 65.5% 時為 48.1,相較於準確率 61.6% 時的 40.4。

• 上下文與輸出 — 1M 個 token 搭配 128K 輸出,對比 1,050,000 個 token 搭配 922K 最大輸入與 128K 輸出。

Generated two-column scoreboard titled 'Claude Opus 5.5 vs GPT-6.2 Sol - the scoreboard'. Left column Claude Opus 5.5 rows: Intelligence Index 59.1, cost per task $10.04, time per task 24.6 min, Terminal-Bench Science 59.0%, HLE-Diamond 67.9%, price $4 / $20. Right column GPT-6.2 Sol rows: Intelligence Index 57.3, cost per task $1.01, time per task 8.0 min, Terminal-Bench Science 67.6%, HLE-Diamond 64.0%, price $2 / $10. Footer: both per Artificial Analysis index v5.0.1 at max effort. OrcaRouter logo bottom-right.

把終端機的各列合起來看,具體圖像便會浮現。就一般的代理式終端機工作而言,這兩個模型可互換——任一方向的半分差距都不構成訊號。至於科學領域的終端機工作,GPT-6.2 Sol 以近九分之差勝出,在 AutomationBench 上則以兩分之差勝出。Opus 5.5 領先之處在於召回與大量引用參考的分析:HLE-Diamond 高出 3.9 分,omniscience 綜合指標高出 7.7 分。

如果你的代理在終端機中執行程式碼,這兩者之間的選擇取決於那段程式碼是應用邏輯還是計算。應用邏輯:平手。以科學或數值運算為核心的計算:更便宜、更快的模型同時也是能力更強的模型,這是這個市場中最罕見的結果,也是支持 GPT-6.2 Sol 最有力的單一論據。

為什麼價格是 2 倍,帳單卻是 10 倍?

標價比率是 2×:$4/$20 對比 $2/$10。實測比率是 9.9×。有兩個因素相乘達到這個結果——2× 的價格與 3.6× 的 token 比率——而之所以要明講,是因為團隊若比較價目表,會預算 2× 的差異,卻得到 10× 的差異。

具體來說,在 Opus 5.5 的實測設定下,10,000 個代理任務的費用接近 100,000 美元。同樣的 10,000 個任務在 GPT-6.2 Sol 上則接近 10,000 美元。這是關於人力編制的決定,而不是關於最佳化的決定。對任何大規模執行代理的人來說,這也是可用的單一最大槓桿,而且這是 Anthrop​ic 已經調整過一次的項目——Opus 5.5 本身就讓 Opus 5 的標價降低了 20%,並讓快取讀取降低了 60%。

快取行為正是定價論證變得微妙的地方。Opus 5.5 的快取讀取價格是每百萬個 token 為 $0.20;GPT-6.2 Sol 則是 $0.10。但 Opus 5.5 的每項任務成本主要由生成的 token 驅動,而非輸入,而對於一個把預算花在思考上的模型來說,快取輸入於事無補。冗長本身就是成本,而唯一能控制它的就是努力程度——但這會降低你正在付費換取的分數。

「努力程度」設定實際上能換來什麼

Anthropic 自家的發布資料列出 Terminal-Bench 4.0 上 Opus 5.5 為 66.4%,Opus 5 為 52.3%,而那個 66.4% 來自 xhigh 設定,而非模型預設的 medium。同一項基準測試的獨立數字 59.6% 更低,反映的是 Artificial Analysis 自己的配置。三個數字、一項基準測試、三種配置——這就是為什麼本文中的每一個分數都附上產生它的測試框架。

實際後果是,1.8 點的指數領先幅度,是在最大努力程度下才成立的領先,而預設設定並不是最大努力程度。若團隊以中等努力程度部署 Opus 5.5,能降低更多延遲,但分數會少一些,而且沒有公開表格說明這會落在哪裡。如果這兩點的差距是你選擇 Opus 5.5 的原因,請確認產生這個差距的努力程度設定,就是你實際會執行的設定。

不選擇而同時執行兩者

這項比較之所以不如表面上看起來那麼重大,是因為這兩個模型並不是真正的替代品。一個是讓你慢慢用來處理難題的深度推理模型;另一個是讓你用來處理大量工作、快速又便宜的模型。這是路由設定,而不是架構決策,而兩者都位於 OrcaRouter 上的同一把金鑰之後——anthropic/claude-opus-5.5 以供應商自身的費率,搭配 0% 加成,以及一旁的 Open​AI 路由。

在生產環境中真正可行的版本是:把規劃階段交給 Opus 5.5,並把執行與驗證階段交給 GPT-6.2 Sol,因為基準測試的分工顯示,這正是兩者各自擅長的地方。用 routing DSL 把兩者組合成單一呼叫,讓切換對應用程式不可見,並將自動容錯移轉設置在 Opus 路由上——一個每項任務耗時以數十分鐘計的模型,正是你最不希望因為單一供應商中斷而停滯的那一種。混合後的成本遠低於任一純粹配置,而延遲特性在大多數步驟上都跟隨快速模型。

Headless capture of OrcaRouter's model page for anthropic/claude-opus-5.5, showing the model name and its sections for code samples, pricing, performance and public benchmarks.

該留意什麼,以及什麼情況會改變答案

GPT-6.2 Sol 問世至今已兩天,上市首週的反應並非一致好評——11 月 17 日 Astra 與 Sol 發布的報導指出,尤其是重度使用者對 Astra 那一邊有強烈抱怨。請把上述獨立數據視為可靠訊號,並在第二輪測量結果出爐前,把論壇情緒當作雜訊。真正會改變這項比較的,是公布 GPT-6.2 Sol 在較低努力程度設定下的分數,這能告訴你:當要求它思考的時間和 Opus 5.5 一樣長時,它的速度優勢是否依然存在。

另一件值得留意的是價格。Open​AI 從 6.1 到 6.2 期間維持 Sol 的價目表不變,同時將 Astra 的價格調降 20%,這暗示 Sol 層級是以用量而非能力來定位。若此推論成立,每項任務 10 倍的差距便是結構性而非暫時性,那麼上述的路由答案就會成為預設做法,而不是巧妙的優化。

目前而言:如果你只選一個模型,而你的工作是科學計算、高吞吐量的代理式執行,或任何對延遲敏感的事務,那麼 GPT-6.2 Sol 明顯是更划算的選擇,1.8 分的落後幅度並不足以正當化 10 倍的帳單。如果你的工作是深度分析,其中回想起的事實比快速給出答案更有價值,那麼 Opus 5.5 的全知表現與 HLE 領先幅度才是應看重之處——而且你應該為它會多花三倍時間做好預算。

本文中的比較1

根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新