AI BENCHY
Advertise here

#3

Claude Opus 4.7

Anthropic प्रकाशन: 2026-04-16 चाचणी तारीख: 2026-04-16 15:59 anthropic/claude-opus-4.7::medium
(medium) (none)

स्कोअर

9.2

सुसंगतता

10.0

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.447

एकूण आउटपुट टोकन्स

6,716

इनपुट किंमत

$5.000 / 1M

आउटपुट किंमत

$25.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 2

प्रति प्रयत्न पास दर: 88.9%

अस्थिर चाचण्या

0

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

3.53s

प्रतिसाद वेळ (कमाल): 21.45s

प्रतिसाद वेळ (एकूण): 60.03s

वेळ संपला: 1 चुकीचे उत्तर: 1

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-05-22 00:18 पुन्हा चाचणी 8.9 10.0 $0.625 तुलना करा
2026-04-16 15:59 पहिली नोंदलेली रन 9.2 लागू नाही $0.447 सध्याची रन

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-04-16 15:59 · पहिली नोंदलेली रन9.210.0लागू नाही16/1806,716$0.4473.53s
2026-05-22 00:18 · पुन्हा चाचणी8.910.010.017/20012,666$0.6254.50s
फरक+0.30.0-10-5950-$0.179-967ms

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Claude Opus 4.7mediumvsGemini 3.5 FlashmediumClaude Opus 4.7mediumvsGPT-5.5lowClaude Opus 4.7mediumvsQwen3.7 MaxmediumClaude Opus 4.7mediumvsGemini 3.5 FlashnoneClaude Opus 4.7mediumvsGemini 3.1 Pro PreviewmediumClaude Opus 4.7mediumvsGemini 3 Flash PreviewmediumClaude Opus 4.7mediumvsGemini 3.5 FlashhighClaude Opus 4.7mediumvsRing-2.6-1TmediumClaude Opus 4.7mediumvsGemini 3.5 Flashlow

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 8.3 10.0
कोडिंग 10.0 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 7.7 10.0
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 10.0 10.0
कोडी सोडवणे 10.0 10.0
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स