#63 Claude Opus 4.6
medium
SVG inválido
- Coste
- $0.000
- Tiempo
- 300.0s
- Tokens
- 0 tok
Anthropic
Lanzamiento: 2026-02-05
Probado el: 2026-05-22 00:17
anthropic/claude-opus-4.6::medium
Resumen
Claude Opus 4.6 obtiene 7.2 en AI BENCHY y ocupa el puesto #63. Tiene fiabilidad 10.0, una tasa de aciertos de 63.3%, coste total de $1.896 y tiempo medio de respuesta de 25.44s.
Qué hace único a Claude Opus 4.6: Destaca más en Seguimiento de instrucciones, donde ocupa #1, mientras que Trucos anti-IA es su área más débil con #12.
7.2
Consistencia
9.1
10.0
$1.896
Total de tokens de salida
65,814
Total de tokens de entrada
0
Precio de entrada
$5.000 / 1M
Precio de salida
$25.000 / 1M
Pruebas inestables
2
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
25.44s
Tiempo de respuesta (máximo): 83.40s
Tiempo de respuesta (total): 330.70s
Generación showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-06-04 13:45 Prueba nueva añadida | 7.0 | 10.0 | $2.053 | Comparar | |
| 2026-05-22 00:17 Suite modificada | 7.2 | 10.0 | $1.896 | Ejecución actual | |
| 2026-04-11 01:44 Primera ejecución registrada | 7.6 | N/D | $1.446 | Comparar |
Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.
Comparación de ejecuciones
| Ejecución | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:17 · Suite modificada | 7.2 | 9.1 | 10.0 | 12/20 | 2 | 65,814 | 0 | $1.896 | 25.44s |
| 2026-04-11 01:44 · Primera ejecución registrada | 7.6 | 9.1 | N/D | 12/18 | 2 | 48,767 | 0 | $1.446 | 21.08s |
| Diferencia | -0.4 | 0.0 | 0 | 0 | +17047 | 0 | +$0.451 | +4362ms |
Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.
Gráficos
Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.
Mejores modelos por puntuación
Puntuación vs Costo total
Tiempo de respuesta (promedio)
Puntuación vs Tiempo de respuesta (promedio)
Total de tokens de salida
Puntuación vs Total de tokens de salida
Comparación rápida
Claude Opus 4.6mediumvsClaude Opus 4.8lowClaude Opus 4.6mediumvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsKimi K2.6mediumDisponible gratisClaude Opus 4.6mediumvsMiniMax M3mediumClaude Opus 4.6mediumvsGemini 3.5 FlashhighClaude Opus 4.6mediumvsGemini 3 Flash PreviewmediumClaude Opus 4.6mediumvsNemotron 3 Ultra 550b A55bmediumDisponible gratisClaude Opus 4.6mediumvsGPT-5.5low
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 6.4 | 5.8 | |
| Programación | 7.2 | 9.8 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 3.0 | 10.0 | |
| Inteligencia general | 10.0 | 10.0 | |
| Seguimiento de instrucciones | 10.0 | 10.0 | |
| Resolución de acertijos | 7.7 | 10.0 | |
| Llamada de herramientas | 10.0 | 10.0 | |
| Cultura general | 3.0 | 10.0 |