#12 Claude Opus 4.8
medium- Biaya
- $0.057
- Waktu
- 23.1s
- Token
- 2,412 tok
Anthropic
Rilis: 2026-05-28
Diuji pada: 2026-05-28 17:34
anthropic/claude-opus-4.8::medium
~5T total (~500B aktif)MoETertutupPerkiraan
Ringkasan
Claude Opus 4.8 mendapat skor 8.7 di AI BENCHY dan berada di peringkat #12. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 83.3%, total biaya $1.006, dan waktu respons rata-rata 9.34s.
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.
8.7
Konsistensi
9.6
10.0
$1.006
Total token output
29,102
Total token input
0
Harga input
$5.000 / 1M
Harga output
$25.000 / 1M
Tes tidak stabil
1
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 02:10 Uji ulang | 8.8 | 10.0 | $1.983 | Bandingkan | |
| 2026-07-16 22:32 Tes baru ditambahkan | 8.8 | 10.0 | $1.931 | Bandingkan | |
| 2026-06-30 22:01 Uji ulang | 8.8 | 10.0 | $1.107 | Bandingkan | |
| 2026-06-04 13:45 Tes baru ditambahkan | 8.7 | 10.0 | $1.107 | Bandingkan | |
| 2026-05-28 17:34 Run awal | 8.7 | 10.0 | $1.006 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-28 17:34 · Run awal | 60/60 percobaan | 8.7 | 9.6 | 10.0 | 16/20 | 1 | 29,102 | 0 | $1.006 | 9.34s |
| 2026-07-16 22:32 · Tes baru ditambahkan | 66/66 percobaan | 8.8 | 9.6 | 10.0 | 18/22 | 1 | 49,841 | 138,451 | $1.931 | 12.49s |
| Selisih | — | -0.2 | 0.0 | 0.0 | -2 | 0 | -20739 | -138451 | -$0.925 | -3145ms |
Cakupan benchmark berbeda: 60/60 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.
Riwayat harga
Data harga historis untuk model ini dari OpenRouter.
| Tanggal | Harga input | Harga output |
|---|---|---|
| 2026-05-28 17:42 | $5.000 / 1M | $25.000 / 1M |
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 4.8mediumvsGemini 3.5 Flash LitehighClaude Opus 4.8mediumvsClaude Opus 5lowClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGemini 3.6 FlashlowClaude Opus 4.8mediumvsSeed 2.1 TurbohighClaude Opus 4.8mediumvsGLM 5.3 FlashmaxClaude Opus 4.8mediumvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsClaude Opus 4.7mediumClaude Opus 4.8mediumvsGrok 4.5highClaude Opus 4.8mediumvsMuse Spark 1.2high
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 10.0 | 10.0 | |
| Pemrograman | 10.0 | 10.0 | |
| Gabungan | 9.8 | 10.0 | |
| Parsing dan ekstraksi data | 7.1 | 5.6 | |
| Spesifik domain | 5.3 | 10.0 | |
| Kecerdasan umum | 10.0 | 10.0 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 10.0 | 10.0 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |