#3 Claude Opus 4.7
medium- लागत
- $0.059
- समय
- 26.8s
- टोकन
- 2,475 tok
Anthropic
रिलीज़: 2026-04-16
परीक्षण किया गया: 2026-04-16 15:59
anthropic/claude-opus-4.7::medium
~5T कुल (~500B सक्रिय)MoEबंद स्रोतअनुमानित
(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 डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #11 पर है। यह कुल मिलाकर सबसे ऊँची रैंक वाले मॉडलों में से एक है। यह समान मॉडलों की तुलना में काफ़ी तेज है।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- ~5T कुल (~500B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।
9.2
संगति
10.0
लागू नहीं
$0.447
कुल आउटपुट टोकन
6,716
कुल इनपुट टोकन
0
इनपुट कीमत
$5.000 / 1M
आउटपुट कीमत
$25.000 / 1M
अस्थिर टेस्ट
0
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-08-14 02:08 दोबारा परीक्षण | 8.7 | 10.0 | $1.476 | तुलना करें | |
| 2026-07-16 22:28 नया टेस्ट जोड़ा गया | 8.7 | 10.0 | $1.477 | 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
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-16 15:59 · पहला दर्ज रन | 54/54 प्रयास | 9.2 | 10.0 | लागू नहीं | 16/18 | 0 | 6,716 | 0 | $0.447 | 3.53s |
| 2026-08-14 02:08 · दोबारा परीक्षण | 66/66 प्रयास | 8.7 | 9.6 | 10.0 | 18/22 | 1 | 29,990 | 145,249 | $1.476 | 7.62s |
| अंतर | — | +0.5 | +0.4 | -2 | -1 | -23274 | -145249 | -$1.030 | -4085ms |
बेंचमार्क कवरेज अलग है: 54/54 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।
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।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Claude Opus 4.7mediumvsGLM 5.3 FlashmaxClaude Opus 4.7mediumvsMuse Spark 1.2highClaude Opus 4.7mediumvsGemini 3.6 FlashlowClaude Opus 4.7mediumvsMuse Spark 1.2mediumClaude Opus 4.7mediumvsClaude Opus 5lowClaude Opus 4.7mediumvsMuse Spark 1.1mediumClaude Opus 4.7mediumvsClaude Opus 4.8mediumClaude Opus 4.7mediumvsClaude Fable 5mediumClaude Opus 4.7mediumvsGemini 3.5 Flash LitehighClaude Opus 4.7mediumvsQwen3.6 Max Previewmedium
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 |