Claude Opus 5.5 (medium) vs Pareto (default)

Claude Opus 5.5 (medium) average score मध्ये पुढे आहे: 9.2 vs 9.1. Pareto (default) चा benchmark खर्च कमी आहे: $1.520 vs $1.804. Claude Opus 5.5 (medium) वेगवान आहे: 25.85s vs 33.47s, pass rates 89.9% vs 87.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-26

तुलना केलेली मॉडेल्स

क्रमांक: #36
एकूण आउटपुट टोकन्स: 32,127
प्रतिसाद वेळ (सरासरी): 25.85s
एकूण खर्च: $1.804

क्रमांक: #47
एकूण आउटपुट टोकन्स: 128,144
प्रतिसाद वेळ (सरासरी): 33.47s
एकूण खर्च: $1.520

शिफारस केलेले मॉडेल Claude Opus 5.5 (medium)

या तुलनेत याचा गुण सर्वाधिक आहे (9.2) आणि 2 मॉडेल्समध्ये खर्च व प्रतिसाद वेळ यांचा एकूण समतोल सर्वोत्तम आहे.

तपशीलवार तुलना

मेट्रिक	Claude Opus 5.5 Claude Opus 5.5 medium प्रकाशन: 2026-09-23	Pareto Pareto default प्रकाशन: 2026-09-18

मेट्रिक	Claude Opus 5.5 Claude Opus 5.5 medium प्रकाशन: 2026-09-23	Pareto Pareto default प्रकाशन: 2026-09-18
स्कोअर	9.2	9.1
क्रमांक	#36	#47
विश्वसनीयता	10.0	10.0
सुसंगतता	9.7	9.2
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	89.9%	87.0%
अस्थिर चाचण्या	1	2
एकूण रन	69	69
प्रति निकाल खर्च	9.016	8.000
एकूण खर्च	$1.804	$1.520
इनपुट किंमत	$4.000 / 1M	$2.500 / 1M
आउटपुट किंमत	$20.000 / 1M	$7.500 / 1M
कॅश वाचण्याची किंमत	$0.200 / 1M	$0.250 / 1M
कॅश लिहिण्याची किंमत	$5.000 / 1M	लागू नाही
एकूण इनपुट टोकन्स	290,117	223,559
आउटपुट टोकन्स	9,805	128,144
रिझनिंग टोकन्स	22,322	0
प्रतिसाद वेळ (सरासरी)	25.85s	33.47s
प्रतिसाद वेळ (कमाल)	90.20s	143.33s
प्रतिसाद वेळ (एकूण)	594.63s	769.84s
पॅरामीटर्स	~5T एकूण (~500B सक्रिय)	-
उपलब्धता	बंद स्रोत	बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#36 Claude Opus 5.5

medium

खर्च: $0.053
वेळ: 25.6s
टोकन्स: 2,781 tok

#47 Pareto

default

खर्च: $0.034
वेळ: 170.7s
टोकन्स: 4,581 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		62.59s	156,163	2,513	2,420
Pareto	10.0	10.0	100.0%	0		76.54s	112,825	8,914	0

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		12.42s	858	321	657
Pareto	10.0	10.0	100.0%	0		6.39s	703	2,173	0

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	8.4	7.4	88.9%	1		13.50s	10,608	636	4,341
Pareto	10.0	10.0	100.0%	0		50.12s	7,471	1,949	0

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		55.69s	96,679	4,639	4,527
Pareto	7.2	9.1	50.0%	0		53.54s	85,180	98,580	0

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		12.65s	10,515	312	277
Pareto	10.0	10.0	100.0%	0		2.57s	7,728	1,371	0

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	7.7	10.0	66.7%	0		21.35s	990	61	8,360
Pareto	7.7	10.0	66.7%	0		98.85s	858	8,379	0

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		6.17s	714	273	326
Pareto	10.0	10.0	100.0%	0		8.63s	492	260	0

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		21.33s	921	96	336
Pareto	10.0	10.0	100.0%	0		4.95s	667	507	0

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		30.12s	912	513	491
Pareto	8.2	7.2	88.9%	1		18.24s	624	4,433	0

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		74.20s	11,757	441	587
Pareto	10.0	10.0	100.0%	0		3.29s	6,762	963	0

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	3.0	10.0	0.0%	0		27.75s	0	0	0
Pareto	2.8	1.6	33.3%	1		32.07s	249	615	0

तुलना जोडी बदला

Seed 2.1 TurbohighvsParetodefault Claude Opus 5.5mediumvsMuse Spark Openhigh Muse WonderlowvsParetodefault Muse WonderminimalvsParetodefault Muse Spark 1.3highvsParetodefault Claude Haiku 5.5xhighvsParetodefault GPT-5.3-CodexmediumvsParetodefault Qwen3.8 Max (0902)highvsParetodefault Claude Opus 5.5mediumvsDeepSeek V4.1 Flash 1017low Muse Spark OpenxhighvsParetodefault Claude Opus 5.5mediumvsSeed 2.1 Turbolow DeepSeek V4.1 Flash 1017lowvsParetodefault