AI BENCHY
Advertise here
#12

Claude Opus 4.8

Anthropic रिलीज़: 2026-05-28 परीक्षण किया गया: 2026-05-28 17:34 anthropic/claude-opus-4.8::medium
(medium) (low) (none)

सारांश

Claude Opus 4.8 AI BENCHY पर 8.7 स्कोर करता है और #12 पर है। इसकी reliability 10.0, pass rate 83.3%, कुल लागत $1.006, और औसत response time 9.34s है।

स्कोर

8.7

संगति

9.6

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.006

कुल आउटपुट टोकन

29,102

कुल इनपुट टोकन

0

इनपुट कीमत

$5.000 / 1M

आउटपुट कीमत

$25.000 / 1M

सही परीक्षण

गलत टेस्ट: 4

प्रति प्रयास पास दर: 83.3%

अस्थिर टेस्ट

1

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

प्रतिक्रिया समय (औसत)

9.34s

प्रतिक्रिया समय (अधिकतम): 38.03s

प्रतिक्रिया समय (कुल): 186.84s

गलत उत्तर: 3 कोई उत्तर नहीं: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#12 Claude Opus 4.8

medium
लागत
$0.057
समय
23.1s
टोकन
2,412 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-30 22:01 दोबारा परीक्षण 8.8 10.0 $1.107 तुलना करें
2026-06-04 13:45 नया टेस्ट जोड़ा गया 8.7 10.0 $1.107 तुलना करें
2026-05-28 17:34 पहला रन 8.7 10.0 $1.006 वर्तमान रन

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-05-28 17:42 $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 4.8mediumvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsClaude Opus 4.7mediumClaude Opus 4.8mediumvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGLM 5.2mediumClaude Opus 4.8mediumvsGPT-5.5mediumClaude Opus 4.8mediumvsGLM 5mediumClaude Opus 4.8mediumvsGemini 3.5 FlashhighClaude Opus 4.8mediumvsGemini 3 Flash PreviewmediumClaude Opus 4.8mediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धClaude Opus 4.8mediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 10.0 10.0
संयुक्त 9.8 10.0
डेटा पार्सिंग और निष्कर्षण 7.1 5.6
डोमेन-विशिष्ट 5.3 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