#42 Claude Opus 4.6
medium
SVG tidak valid
- Biaya
- $0.000
- Waktu
- 300.0s
- Token
- 0 tok
Anthropic
Rilis: 2026-02-05
Diuji pada: 2026-04-11 01:44
anthropic/claude-opus-4.6::medium
~5T total (~500B aktif)MoETertutupPerkiraan Ringkasan
Claude Opus 4.6 mendapat skor 7.6 di AI BENCHY dan berada di peringkat #42. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 70.4%, total biaya $1.446, dan waktu respons rata-rata 21.08s.
Yang membuat Claude Opus 4.6 unik: Model ini paling menonjol di Kecerdasan umum, dengan peringkat #1, sementara Trik anti-AI adalah area terlemahnya di #18.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- ~5T total (~500B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Tertutup
- Lisensi
- -
Perkiraan terbaik berdasarkan bukti publik; penyedia tidak mengungkapkan semua nilai.
7.6
Konsistensi
9.1
T/A
$1.446
Total token output
48,767
Total token input
0
Harga input
$5.000 / 1M
Harga output
$25.000 / 1M
Tes tidak stabil
2
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 02:08 Uji ulang | 7.7 | 10.0 | $2.961 | Bandingkan | |
| 2026-07-16 22:31 Tes baru ditambahkan | 7.7 | 10.0 | $3.059 | Bandingkan | |
| 2026-06-04 13:45 Tes baru ditambahkan | 7.0 | 10.0 | $2.053 | Bandingkan | |
| 2026-05-22 00:17 Suite berubah | 7.2 | 10.0 | $1.896 | Bandingkan | |
| 2026-04-11 01:44 Run pertama yang tercatat | 7.6 | T/A | $1.446 | Run saat ini |
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Run pertama yang tercatat | 54/54 percobaan | 7.6 | 9.1 | T/A | 12/18 | 2 | 48,767 | 0 | $1.446 | 21.08s |
| 2026-07-16 22:31 · Tes baru ditambahkan | 66/66 percobaan | 7.7 | 8.8 | 10.0 | 13/22 | 3 | 100,601 | 108,615 | $3.059 | 34.27s |
| Selisih | — | -0.1 | +0.3 | -1 | -1 | -51834 | -108615 | -$1.613 | -13190ms |
Cakupan benchmark berbeda: 54/54 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
Total token output
Skor vs Total token output
Perbandingan Cepat
Claude Opus 4.6mediumvsSeed-2.0-CodelowClaude Opus 4.6mediumvsDeepSeek V4 ProhighClaude Opus 4.6mediumvsGLM 5mediumClaude Opus 4.6mediumvsDeepSeek V4 Flash 0423highClaude Opus 4.6mediumvsQwen3.7 FlashhighClaude Opus 4.6mediumvsGPT-5.6 LunahighClaude Opus 4.6mediumvsClaude Opus 4.8lowClaude Opus 4.6mediumvsSolar Pro 4xhighClaude Opus 4.6mediumvsSeed-2.0-LitemediumClaude Opus 4.6mediumvsNemotron 3 UltramediumTersedia gratis
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 6.4 | 5.8 | |
| Pemrograman | 10.0 | 10.0 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 3.0 | 10.0 | |
| Kecerdasan umum | 10.0 | 10.0 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 7.7 | 10.0 | |
| Pemanggilan alat | 10.0 | 10.0 |