Claude Opus 5.5
Terminal-Bench 与 WebDev 仍排第一。Android Bench 2.0 长程现为第 2（37.3%）；sudo L7 第 2（45.6%），Sonnet 5.5 以 50.6% 居首。对成本敏感的批量任务，有便宜得多的选择。
Anthropic · 闭源 · 上下文 1M · $4 / $20 每百万 tokens · 常用 Agent Claude Code · 数据抓取 2026-10-10
基准成绩
超过 90 天未更新的榜单不计入推荐基准设置分数排名成本数据日期
选不选它
为什么选
- Terminal-Bench 与 LMArena WebDev 两项第一，覆盖终端与前端。
- Terminal-Bench 领先第二名 Sonnet 5.5 三个百分点（64.8% vs 61.8%），单次跑分成本更低（$4.7k vs $7.3k）。
什么时候别选
- 批量或 CI 任务：GPT-6.1 Sol 在 Terminal-Bench 并列第 3，58.2%，成本 $634.24。
- 只做前端：Claude Sonnet 5.5 WebDev 1770 分，价格只有一半（$2 / $10）。
- 对延迟敏感：Android Bench 长程任务平均耗时 56.6 小时。
- 生产级判断：sudo L7 上落后 Sonnet 5.5（50.6% vs 45.6%）。