AI BENCHY
Advertise here
#38

Claude Opus 4.8

Anthropic Lanzamiento: 2026-05-28 Probado el: 2026-07-16 22:30 anthropic/claude-opus-4.8::low
~5T en total (~500B activos)MoECódigo cerradoEstimado
(medium) (low) (none)

Resumen

Claude Opus 4.8 obtiene 7.8 en AI BENCHY y ocupa el puesto #38. Tiene fiabilidad 10.0, una tasa de aciertos de 80.3%, coste total de $2.077 y tiempo medio de respuesta de 12.74s.

Qué hace único a Claude Opus 4.8: Destaca más en Resolución de acertijos, donde ocupa #1, mientras que Programación es su área más débil con #18.

Datos del modelo

Investigado el 2026-08-12

Estimado
Parámetros
~5T en total (~500B activos)
Arquitectura
MoE
Disponibilidad
Código cerrado
Licencia
-

Mejor estimación basada en información pública; el proveedor no ha revelado todos los valores.

Fuente de los parámetros Fuente de disponibilidad

Puntuación

7.8

Consistencia

8.9

Fiabilidad

10.0

Costo total (precio actual)

$2.077

Total de tokens de salida

51,758

Total de tokens de entrada

156,525

Precio de entrada

$5.000 / 1M

Precio de salida

$25.000 / 1M

Pruebas correctas

Pruebas incorrectas: 6

Tasa de aciertos por intento: 80.3%

Pruebas inestables

3

Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).

Tiempo de respuesta (promedio)

12.74s

Tiempo de respuesta (máximo): 127.97s

Tiempo de respuesta (total): 280.29s

Respuesta incorrecta: 4 Formato extra: 1 Sin respuesta: 1

Hamster playing table tennis

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

#38 Claude Opus 4.8

low
Coste
$0.031
Tiempo
14.1s
Tokens
1,345 tok

Historial de ejecuciones

Probado el Puntuación Fiabilidad Pruebas correctas Costo total Comparar
2026-08-14 02:09 Nueva prueba 7.8 10.0 $2.089 Comparar
2026-07-16 22:30 Prueba nueva añadida 7.8 10.0 $2.077 Ejecución actual
2026-06-30 22:08 Primera ejecución 7.7 10.0 $1.270 Comparar

Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.

Comparación de ejecuciones

EjecuciónCobertura del benchmarkPuntuaciónConsistenciaFiabilidadPruebas correctasPruebas inestablesTotal de tokens de salidaTotal de tokens de entradaCosto totalTiempo de respuesta (promedio)
2026-07-16 22:30 · Prueba nueva añadida66/66 intentos7.88.910.016/22351,758156,525$2.07712.74s
2026-06-30 22:08 · Primera ejecución63/63 intentos7.78.810.015/21338,60260,946$1.27010.83s
Diferencia—0.0+0.10.0+10+13156+95579+$0.807+1912ms

La cobertura del benchmark difiere: 66/66 intentos (Objetivo: 3 repeticiones por prueba) frente a 63/63 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.

Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.

Historial de precios

Datos históricos de precios de este modelo de OpenRouter.

Fecha Precio de entrada Precio de salida
2026-06-30 22:09 $5.000 / 1M $25.000 / 1M

Gráficos

Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.

Total de tokens de salida

Puntuación vs Total de tokens de salida

Comparación rápida

Claude Opus 4.8lowvsSeed-2.0-LitemediumClaude Opus 4.8lowvsQwen3.7 FlashhighClaude Opus 4.8lowvsClaude Sonnet 4.6mediumClaude Opus 4.8lowvsGLM 5mediumClaude Opus 4.8lowvsGPT-5.6 TerramediumClaude Opus 4.8lowvsSeed-2.0-CodelowClaude Opus 4.8lowvsGLM 5.2mediumClaude Opus 4.8lowvsClaude Opus 4.6mediumClaude Opus 4.8lowvsGemini 3.5 Flash LitemediumClaude Opus 4.8lowvsDeepSeek V4 Prohigh

Desglose por categoría

Categoría Puntuación Consistencia Pruebas correctas
Trucos anti-IA 10.0 10.0
Programación 6.6 4.6
Combinado 9.9 10.0
Análisis y extracción de datos 6.3 5.8
Específico del dominio 5.3 10.0
Inteligencia general 10.0 10.0
Seguimiento de instrucciones 9.8 10.0
Resolución de acertijos 10.0 10.0
Llamada de herramientas 10.0 10.0
Cultura general 3.0 10.0

Modelos comparados