#301 Claude Opus 4.7
none- लागत
- $0.051
- समय
- 24.2s
- टोकन
- 2,181 tok
Anthropic
रिलीज़: 2026-04-16
परीक्षण किया गया: 2026-05-08 13:36
anthropic/claude-opus-4.7::none
~5T कुल (~500B सक्रिय)MoEबंद स्रोतअनुमानित
(medium)
(none)
सारांश
Claude Opus 4.7 AI BENCHY पर 5.4 स्कोर करता है और #301 पर है। इसकी reliability 10.0, pass rate 69.6%, कुल लागत $0.505, और औसत response time 3.02s है।
Claude Opus 4.7 को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि स्वायत्त एजेंट कार्य इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है। यह समान मॉडलों की तुलना में काफ़ी तेज है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
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।
5.4
संगति
8.3
10.0
$0.505
कुल आउटपुट टोकन
6,265
कुल इनपुट टोकन
69,576
इनपुट कीमत
$5.000 / 1M
आउटपुट कीमत
$25.000 / 1M
कैश पढ़ने की कीमत
$0.500 / 1M
कैश लिखने की कीमत
$6.250 / 1M
कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।
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 |
|---|---|---|---|---|---|
| 2026-05-08 13:36 दोबारा परीक्षण | 5.4 | 10.0 | $0.505 | वर्तमान रन | |
| 2026-05-08 13:36 दोबारा परीक्षण | 6.6 | 10.0 | $0.505 | तुलना करें | |
| 2026-05-08 13:36 दोबारा परीक्षण | 8.9 | 10.0 | $0.505 | तुलना करें | |
| 2026-05-08 13:36 दोबारा परीक्षण | 8.9 | 10.0 | $0.507 | तुलना करें | |
| 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 |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 13:36 · वर्तमान रन | 57/69 प्रयास | 5.4 | 8.3 | 10.0 | 16/19 | 0 | 6,265 | 69,576 | $0.505 | 3.02s |
| 2026-04-16 15:59 · पहला दर्ज रन | 54/54 प्रयास | 9.2 | 10.0 | लागू नहीं | 16/18 | 0 | 6,326 | 0 | $0.505 | 3.13s |
| अंतर | — | -3.7 | -1.7 | 0 | 0 | -61 | +69576 | -$0.001 | -107ms |
बेंचमार्क कवरेज अलग है: 57/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 54/54 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।
कीमत का इतिहास
OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।
| तारीख | इनपुट कीमत | आउटपुट कीमत | कैश पढ़ने की कीमत | कैश लिखने की कीमत |
|---|---|---|---|---|
| 2026-06-04 15:40 | $5.000 / 1M | $25.000 / 1M | लागू नहीं | लागू नहीं |
| 2026-10-01 18:33 | $5.000 / 1M | $25.000 / 1M | $0.500 / 1M | $6.250 / 1M |
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
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 0.0 | 0.0 | |
| एंटी-एआई ट्रिक्स | 8.3 | 10.0 | |
| कोडिंग | 3.3 | 3.3 | |
| संयुक्त | 4.8 | 5.0 | |
| 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 |