AI BENCHY
Advertise here
#63

Claude Opus 4.6

Anthropic Rilis: 2026-02-05 Diuji pada: 2026-05-22 00:17 anthropic/claude-opus-4.6::medium

Ringkasan

Claude Opus 4.6 mendapat skor 7.2 di AI BENCHY dan berada di peringkat #63. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 63.3%, total biaya $1.896, dan waktu respons rata-rata 25.44s.

Yang membuat Claude Opus 4.6 unik: Model ini paling menonjol di Kepatuhan instruksi, dengan peringkat #1, sementara Trik anti-AI adalah area terlemahnya di #12.

Skor

7.2

Konsistensi

9.1

Keandalan

10.0

Total biaya (harga saat ini)

$1.896

Total token output

65,814

Total token input

0

Harga input

$5.000 / 1M

Harga output

$25.000 / 1M

Tes benar

Tes Salah: 8

Tingkat lulus per percobaan: 63.3%

Tes tidak stabil

2

Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).

Waktu respons (rata-rata)

25.44s

Waktu respons (maks): 83.40s

Waktu respons (total): 330.70s

Format tambahan: 4 Jawaban salah: 3 Tidak mengikuti instruksi: 1

Showcase generasi

Hamster playing table tennis

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

#63 Claude Opus 4.6

medium
SVG tidak valid
Biaya
$0.000
Waktu
300.0s
Token
0 tok

Riwayat run

Diuji pada Skor Keandalan Tes benar Total Biaya 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 Run saat ini
2026-04-11 01:44 Run pertama yang tercatat 7.6 T/A $1.446 Bandingkan

Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.

Grafik

Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.

Total token output

Skor vs Total token output

Perbandingan Cepat

Claude Opus 4.6mediumvsClaude Opus 4.8lowClaude Opus 4.6mediumvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsKimi K2.6mediumTersedia gratisClaude Opus 4.6mediumvsMiniMax M3mediumClaude Opus 4.6mediumvsGemini 3.5 FlashhighClaude Opus 4.6mediumvsGemini 3 Flash PreviewmediumClaude Opus 4.6mediumvsNemotron 3 Ultra 550b A55bmediumTersedia gratisClaude Opus 4.6mediumvsGPT-5.5low

Rincian Kategori

Kategori Skor Konsistensi Tes benar
Trik anti-AI 6.4 5.8
Pemrograman 7.2 9.8
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
Pengetahuan umum 3.0 10.0

Model yang Dibandingkan