AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

#10

Claude Opus 4.7

Anthropic रिलीज़: 2026-04-16 परीक्षण किया गया: 2026-05-08 13:36 anthropic/claude-opus-4.7::none
(medium) (none)

संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।

संगति

10.0

कुल आउटपुट टोकन

6,265

इनपुट कीमत

$5.000 / 1M

आउटपुट कीमत

$25.000 / 1M

सही परीक्षण

गलत टेस्ट: 3

प्रति प्रयास पास दर: 84.2%

अस्थिर टेस्ट

0

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

प्रतिक्रिया समय (औसत)

3.02s

प्रतिक्रिया समय (अधिकतम): 18.27s

प्रतिक्रिया समय (कुल): 57.44s

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-05-08 13:36 दोबारा परीक्षण 8.9 10.0 $0.507 वर्तमान रन
2026-05-08 13:36 सूट बदला गया 8.9 10.0 $0.507 तुलना करें
2026-04-16 15:59 पहला दर्ज रन 9.2 लागू नहीं $0.505 तुलना करें

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 8.3 10.0
कोडिंग 10.0 10.0
संयुक्त 9.5 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
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल