AI BENCHY
Advertise here
#10

Claude Opus 4.8

Anthropic रिलीज़: 2026-05-28 परीक्षण किया गया: 2026-06-04 13:45 anthropic/claude-opus-4.8::medium
(medium) (low) (none)

सारांश

Claude Opus 4.8 AI BENCHY पर 8.7 स्कोर करता है और #10 पर है। इसकी reliability 10.0, pass rate 84.1%, कुल लागत $1.107, और औसत response time 9.66s है।

स्कोर

8.7

संगति

9.6

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.107

कुल आउटपुट टोकन

32,396

कुल इनपुट टोकन

61,007

इनपुट कीमत

$5.000 / 1M

आउटपुट कीमत

$25.000 / 1M

सही परीक्षण

गलत टेस्ट: 4

प्रति प्रयास पास दर: 84.1%

अस्थिर टेस्ट

1

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

प्रतिक्रिया समय (औसत)

9.66s

प्रतिक्रिया समय (अधिकतम): 38.03s

प्रतिक्रिया समय (कुल): 202.89s

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.

#10 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 वर्तमान रन
2026-05-28 17:34 पहला रन 8.7 10.0 $1.006 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-04 14:42 $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