Advertise here
#51

Claude Opus 5

Anthropic रिलीज़: 2026-07-25 परीक्षण किया गया: 2026-10-01 01:56 anthropic/claude-opus-5::low
~5T कुल (~500B सक्रिय)MoEबंद स्रोतअनुमानित
(high) (medium) (low) (none)

सारांश

Claude Opus 5 AI BENCHY पर 9.0 स्कोर करता है और #51 पर है। इसकी reliability 10.0, pass rate 84.1%, कुल लागत $2.350, और औसत response time 9.87s है।

Claude Opus 5 को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #3 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित
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।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

9.0

संगति

9.7

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$2.350

कुल आउटपुट टोकन

23,416

कुल इनपुट टोकन

352,845

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।

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)

9.87s

प्रतिक्रिया समय (अधिकतम): 73.15s

प्रतिक्रिया समय (कुल): 226.95s

गलत उत्तर: 4

Hamster playing table tennis

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

#51 Claude Opus 5

low
लागत
$0.062
समय
30.2s
टोकन
2,615 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 01:56 दोबारा परीक्षण 9.0 10.0 $2.350 वर्तमान रन
2026-07-25 03:41 पहला रन 8.6 10.0 $1.121 तुलना करें

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

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-10-01 01:56 · वर्तमान रन69/69 प्रयास9.09.710.019/23123,416352,845$2.3509.87s
2026-07-25 03:41 · पहला रन66/66 प्रयास8.69.310.017/22218,019134,773$1.1216.99s
अंतर—+0.4+0.40.0+2-1+5397+218072+$1.229+2880ms

बेंचमार्क कवरेज अलग है: 69/69 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।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत कैश पढ़ने की कीमत कैश लिखने की कीमत
2026-08-14 12:51 $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।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Claude Opus 5lowvsGemini 4 ArgonmediumClaude Opus 5lowvsGemini 3.6 FlashlowClaude Opus 5lowvsGemini 3.5 Flash LitehighClaude Opus 5lowvsGLM 5.3 FlashmaxClaude Opus 5lowvsMuse Spark 1.3mediumClaude Opus 5lowvsMuse Spark OpenlowClaude Opus 5lowvsQwen3.8 Max (0902)mediumClaude Opus 5lowvsMuse Spark 1.2highClaude Opus 5lowvsGemini 3.5 FlashlowClaude Opus 5lowvsMuse Spark 1.2medium

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 10.0 10.0
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 7.8 7.4
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
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