#6 Claude Opus 4.7
none- खर्च
- $0.051
- वेळ
- 24.2s
- टोकन्स
- 2,181 tok
Anthropic
प्रकाशन: 2026-04-16
चाचणी तारीख: 2026-05-08 13:36
anthropic/claude-opus-4.7::none
~5T एकूण (~500B सक्रिय)MoEबंद स्रोतअंदाजित
(medium)
(none)
सारांश
Claude Opus 4.7 AI BENCHY वर 8.9 स्कोर करते आणि #6 वर आहे. याची reliability 10.0, pass rate 84.2%, एकूण खर्च $0.507, आणि सरासरी response time 3.04s आहे.
Claude Opus 4.7 खास का आहे: हे डोमेन-विशिष्ट मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #3 आहे; तर अँटी-एआय युक्त्या हा सर्वात कमकुवत भाग आहे, rank #14. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.
संग्रहित मॉडेल: हे मॉडेल आता अपडेट केले जाणार नाही आणि नवीन चाचण्यांवर तपासले जाणार नाही.
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- ~5T एकूण (~500B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- परवाना
- -
सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.
8.9
सुसंगतता
10.0
10.0
$0.507
एकूण आउटपुट टोकन्स
6,329
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$5.000 / 1M
आउटपुट किंमत
$25.000 / 1M
अस्थिर चाचण्या
0
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-08 13:36 पुन्हा चाचणी | 6.6 | 10.0 | $0.505 | तुलना करा | |
| 2026-05-08 13:36 पुन्हा चाचणी | 6.6 | 10.0 | $0.505 | तुलना करा | |
| 2026-05-08 13:36 पुन्हा चाचणी | 8.9 | 10.0 | $0.505 | तुलना करा | |
| 2026-05-08 13:36 पुन्हा चाचणी | 8.9 | 10.0 | $0.507 | तुलना करा | |
| 2026-05-08 13:36 सूट बदलला | 8.9 | 10.0 | $0.507 | सध्याची रन | |
| 2026-04-16 15:59 पहिली नोंदलेली रन | 9.2 | लागू नाही | $0.505 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 13:36 · सूट बदलला | 57/57 प्रयत्न | 8.9 | 10.0 | 10.0 | 16/19 | 0 | 6,329 | 0 | $0.507 | 3.04s |
| 2026-05-08 13:36 · पुन्हा चाचणी | 57/57 प्रयत्न | 6.6 | 8.6 | 10.0 | 16/19 | 0 | 6,265 | 69,576 | $0.505 | 3.02s |
| फरक | — | +2.2 | +1.4 | 0.0 | 0 | 0 | +64 | -69576 | +$0.002 | +18ms |
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 8.3 | 10.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 9.5 | 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 | |
| सामान्य ज्ञान | 3.0 | 10.0 |