AI BENCHY
Advertise here
#4

Claude Opus 4.7

Anthropic প্রকাশ: 2026-04-16 পরীক্ষিত হয়েছে: 2026-04-16 15:59 anthropic/claude-opus-4.7::none
(medium) (none)

সারাংশ

Claude Opus 4.7 AI BENCHY-তে 9.2 স্কোর করে এবং #4 স্থানে আছে। এর reliability প্রযোজ্য নয়, pass rate 88.9%, মোট খরচ $0.505, এবং গড় response time 3.13s.

Claude Opus 4.7 কে আলাদা করে যা: এটি ডোমেইন-নির্দিষ্ট-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #2; আর অ্যান্টি-এআই কৌশল এর দুর্বলতম ক্ষেত্র, rank #12. এটি সামগ্রিকভাবে সর্বোচ্চ rank করা মডেলগুলোর একটি। এই score range-এর জন্য মোট benchmark খরচ অস্বাভাবিকভাবে কম।

আর্কাইভড মডেল: এই মডেল আর আপডেট করা হবে না এবং নতুন টেস্টে পরীক্ষা করা হবে না।

ধারাবাহিকতা

10.0

নির্ভরযোগ্যতা

প্রযোজ্য নয়

মোট আউটপুট টোকেন

6,326

মোট ইনপুট টোকেন

0

ইনপুট মূল্য

$5.000 / 1M

আউটপুট মূল্য

$25.000 / 1M

সঠিক টেস্ট

ভুল টেস্ট: 2

প্রতি চেষ্টায় পাস রেট: 88.9%

অস্থির টেস্ট

0

অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।

প্রতিক্রিয়া সময় (গড়)

3.13s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 18.27s

প্রতিক্রিয়া সময় (মোট): 56.33s

জেনারেশন শোকেস

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#4 Claude Opus 4.7

none
খরচ
$0.051
সময়
24.2s
টোকেন
2,181 tok

রান ইতিহাস

পরীক্ষিত হয়েছে স্কোর নির্ভরযোগ্যতা সঠিক টেস্ট মোট খরচ তুলনা করুন
2026-05-08 13:36 পুনরায় পরীক্ষা 8.9 10.0 $0.505 তুলনা করুন
2026-05-08 13:36 পুনরায় পরীক্ষা 8.9 10.0 $0.507 তুলনা করুন
2026-05-08 13:36 স্যুইট পরিবর্তিত হয়েছে 8.9 10.0 $0.507 তুলনা করুন
2026-04-16 15:59 প্রথম নথিভুক্ত রান 9.2 প্রযোজ্য নয় $0.505 বর্তমান রান

চার্ট

প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ স্কোর ধারাবাহিকতা সঠিক টেস্ট
অ্যান্টি-এআই কৌশল 8.3 10.0
কোডিং 10.0 10.0
সমন্বিত 9.5 10.0
ডেটা পার্সিং ও নিষ্কাশন 10.0 10.0
ডোমেইন-নির্দিষ্ট 7.7 10.0
Sadharon Buddhimotta 10.0 10.0
নির্দেশনা অনুসরণ 10.0 10.0
ধাঁধা সমাধান 10.0 10.0
টুল কলিং 10.0 10.0

তুলনা করা মডেল