#63 Claude Opus 4.6
medium
Ungültiges SVG
- Kosten
- $0.000
- Zeit
- 300.0s
- Token
- 0 tok
Anthropic
Veröffentlichung: 2026-02-05
Getestet am: 2026-05-22 00:17
anthropic/claude-opus-4.6::medium
~5T insgesamt (~500B aktiv)MoEGeschlossenGeschätzt Zusammenfassung
Claude Opus 4.6 erreicht 7.2 bei AI BENCHY und liegt auf #63. Das Modell hat 10.0 Zuverlässigkeit, 63.3% Erfolgsrate, $1.896 Gesamtkosten und 25.44s durchschnittliche Antwortzeit.
Modelldaten
Recherchiert am 2026-08-12
- Parameter
- ~5T insgesamt (~500B aktiv)
- Architektur
- MoE
- Verfügbarkeit
- Geschlossen
- Lizenz
- -
Beste Schätzung auf Grundlage öffentlicher Informationen; der Anbieter hat nicht alle Werte offengelegt.
7.2
Konsistenz
9.1
10.0
Gesamte Ausgabe-Token
65,814
Gesamte Eingabe-Token
0
Eingabepreis
$5.000 / 1M
Ausgabepreis
$25.000 / 1M
Instabile Tests
2
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-08-14 02:08 Erneuter Test | 7.7 | 10.0 | $2.961 | Vergleichen | |
| 2026-07-16 22:31 Neuer Test hinzugefügt | 7.7 | 10.0 | $3.059 | Vergleichen | |
| 2026-06-04 13:45 Neuer Test hinzugefügt | 7.0 | 10.0 | $2.053 | Vergleichen | |
| 2026-05-22 00:17 Suite geändert | 7.2 | 10.0 | $1.896 | Aktueller Lauf | |
| 2026-04-11 01:44 Erster erfasster Lauf | 7.6 | k. A. | $1.446 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:17 · Suite geändert | 60/60 Versuche | 7.2 | 9.1 | 10.0 | 12/20 | 2 | 65,814 | 0 | $1.896 | 25.44s |
| 2026-08-14 02:08 · Erneuter Test | 66/66 Versuche | 7.7 | 8.8 | 10.0 | 13/22 | 3 | 96,722 | 108,573 | $2.961 | 32.23s |
| Differenz | — | -0.5 | +0.3 | 0.0 | -1 | -1 | -30908 | -108573 | -$1.066 | -6790ms |
Die Benchmark-Abdeckung unterscheidet sich: 60/60 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 66/66 Versuche (Ziel: 3 Wiederholungen pro Test). Summen und wiederholungsabhängige Metriken sind nicht direkt vergleichbar.
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
Claude Opus 4.6mediumvsSeed-2.0-CodelowClaude Opus 4.6mediumvsDeepSeek V4 ProhighClaude Opus 4.6mediumvsGLM 5mediumClaude Opus 4.6mediumvsDeepSeek V4 Flash 0423highClaude Opus 4.6mediumvsQwen3.7 FlashhighClaude Opus 4.6mediumvsGPT-5.6 LunahighClaude Opus 4.6mediumvsClaude Opus 4.8lowClaude Opus 4.6mediumvsSolar Pro 4xhighClaude Opus 4.6mediumvsSeed-2.0-LitemediumClaude Opus 4.6mediumvsNemotron 3 UltramediumKostenlos verfügbar
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 6.4 | 5.8 | |
| Programmierung | 7.2 | 9.8 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 3.0 | 10.0 | |
| Allgemeine Intelligenz | 10.0 | 10.0 | |
| Befolgung von Anweisungen | 10.0 | 10.0 | |
| Rätsellösen | 7.7 | 10.0 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |