AI BENCHY
Advertise here
#40

Claude Opus 4.6

Anthropic रिलीज़: 2026-02-05 परीक्षण किया गया: 2026-06-04 13:45 anthropic/claude-opus-4.6::medium

सारांश

Claude Opus 4.6 AI BENCHY पर 7.7 स्कोर करता है और #40 पर है। इसकी reliability 10.0, pass rate 61.9%, कुल लागत $2.053, और औसत response time 25.89s है।

स्कोर

7.7

संगति

8.8

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$2.053

कुल आउटपुट टोकन

71,446

कुल इनपुट टोकन

53,227

इनपुट कीमत

$5.000 / 1M

आउटपुट कीमत

$25.000 / 1M

सही परीक्षण

गलत टेस्ट: 9

प्रति प्रयास पास दर: 61.9%

अस्थिर टेस्ट

3

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

25.89s

प्रतिक्रिया समय (अधिकतम): 83.40s

प्रतिक्रिया समय (कुल): 362.49s

अतिरिक्त फॉर्मेटिंग: 5 गलत उत्तर: 3 निर्देशों का पालन नहीं किया: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#40 Claude Opus 4.6

medium
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:45 नया टेस्ट जोड़ा गया 7.0 10.0 $2.053 वर्तमान रन
2026-05-22 00:17 सूट बदला गया 7.2 10.0 $1.896 तुलना करें
2026-04-11 01:44 पहला दर्ज रन 7.6 लागू नहीं $1.446 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-04 15:40 $5.000 / 1M $25.000 / 1M

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Claude Opus 4.6mediumvsClaude Opus 4.8lowClaude Opus 4.6mediumvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsKimi K2.6mediumनिःशुल्क उपलब्धClaude Opus 4.6mediumvsMiniMax M3mediumClaude Opus 4.6mediumvsGemini 3.5 FlashhighClaude Opus 4.6mediumvsGemini 3 Flash PreviewmediumClaude Opus 4.6mediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धClaude Opus 4.6mediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 6.4 5.8
कोडिंग 5.7 7.1
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.0 10.0
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 7.7 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल