AI BENCHY
Advertise here
#3

Claude Opus 4.7

Anthropic रिलीज़: 2026-04-16 परीक्षण किया गया: 2026-04-16 15:59 anthropic/claude-opus-4.7::medium
(medium) (none)

सारांश

Claude Opus 4.7 AI BENCHY पर 9.2 स्कोर करता है और #3 पर है। इसकी reliability लागू नहीं, pass rate 88.9%, कुल लागत $0.447, और औसत response time 3.53s है।

Claude Opus 4.7 को अलग क्या बनाता है: यह कुल मिलाकर सबसे ऊँची रैंक वाले मॉडलों में से एक है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है। यह समान मॉडलों की तुलना में काफ़ी तेज है।

स्कोर

9.2

संगति

10.0

विश्वसनीयता

लागू नहीं

कुल लागत (वर्तमान कीमत)

$0.447

कुल आउटपुट टोकन

6,716

कुल इनपुट टोकन

0

इनपुट कीमत

$5.000 / 1M

आउटपुट कीमत

$25.000 / 1M

सही परीक्षण

गलत टेस्ट: 2

प्रति प्रयास पास दर: 88.9%

अस्थिर टेस्ट

0

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

प्रतिक्रिया समय (औसत)

3.53s

प्रतिक्रिया समय (अधिकतम): 21.45s

प्रतिक्रिया समय (कुल): 60.03s

समय समाप्त: 1 गलत उत्तर: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#3 Claude Opus 4.7

medium
लागत
$0.059
समय
26.8s
टोकन
2,475 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:44 नया टेस्ट जोड़ा गया 8.7 10.0 $0.679 तुलना करें
2026-05-22 00:18 दोबारा परीक्षण 8.9 10.0 $0.625 तुलना करें
2026-04-16 15:59 पहला दर्ज रन 9.2 लागू नहीं $0.447 वर्तमान रन

रन तुलना

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-04-16 15:59 · पहला दर्ज रन9.210.0लागू नहीं16/1806,7160$0.4473.53s
2026-05-22 00:18 · दोबारा परीक्षण8.910.010.017/20012,6660$0.6254.50s
अंतर+0.30.0-10-59500-$0.179-967ms

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

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 4.7mediumvsClaude Opus 4.8mediumClaude Opus 4.7mediumvsGLM 5.2mediumClaude Opus 4.7mediumvsQwen3.6 Max PreviewmediumClaude Opus 4.7mediumvsGLM 5mediumClaude Opus 4.7mediumvsGPT-5.3-CodexmediumClaude Opus 4.7mediumvsGPT-5 MinimediumClaude Opus 4.7mediumvsGemini 3.5 FlashhighClaude Opus 4.7mediumvsGemini 3 Flash PreviewmediumClaude Opus 4.7mediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धClaude Opus 4.7mediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 8.3 10.0
कोडिंग 10.0 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 7.7 10.0
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 10.0 10.0
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल