Advertise here
#179

Claude Opus 4.8

Anthropic प्रकाशन: 2026-05-28 चाचणी तारीख: 2026-10-01 09:25 anthropic/claude-opus-4.8::none
~5T एकूण (~500B सक्रिय)MoEबंद स्रोतअंदाजित
(medium) (low) (none)

सारांश

Claude Opus 4.8 AI BENCHY वर 6.9 स्कोर करते आणि #179 वर आहे. याची reliability 10.0, pass rate 60.9%, एकूण खर्च $2.334, आणि सरासरी response time 7.54s आहे.

Claude Opus 4.8 खास का आहे: हे संयुक्त मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #3 आहे; तर डेटा पार्सिंग आणि निष्कर्षण हा सर्वात कमकुवत भाग आहे, rank #17.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

अंदाजित
पॅरामीटर्स
~5T एकूण (~500B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

6.9

सुसंगतता

9.3

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$2.334

एकूण आउटपुट टोकन्स

24,343

एकूण इनपुट टोकन्स

345,059

इनपुट किंमत

$5.000 / 1M

आउटपुट किंमत

$25.000 / 1M

कॅश वाचण्याची किंमत

$0.500 / 1M

कॅश लिहिण्याची किंमत

$6.250 / 1M

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.

बरोबर चाचण्या

चुकीच्या चाचण्या: 10

प्रति प्रयत्न पास दर: 60.9%

अस्थिर चाचण्या

2

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

प्रतिसाद वेळ (सरासरी)

7.54s

प्रतिसाद वेळ (कमाल): 65.07s

प्रतिसाद वेळ (एकूण): 173.31s

चुकीचे उत्तर: 5 अतिरिक्त फॉरमॅटिंग: 3 सूचनांचे पालन केले नाही: 1 उत्तर नाही: 1

Hamster playing table tennis

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

#179 Claude Opus 4.8

none
खर्च
$0.053
वेळ
22.0s
टोकन्स
2,253 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-10-01 09:25 पुन्हा चाचणी 6.9 10.0 $2.334 सध्याची रन
2026-07-16 22:29 नवीन चाचणी जोडली 7.3 10.0 $1.166 तुलना करा
2026-06-30 22:01 पुन्हा चाचणी 7.2 10.0 $0.539 तुलना करा
2026-06-04 13:44 नवीन चाचणी जोडली 7.0 10.0 $0.539 तुलना करा
2026-05-28 17:34 पहिला रन 7.3 10.0 $0.519 तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख इनपुट किंमत आउटपुट किंमत कॅश वाचण्याची किंमत कॅश लिहिण्याची किंमत
2026-08-14 12:51 $5.000 / 1M $25.000 / 1M लागू नाही लागू नाही
2026-10-01 18:33 $5.000 / 1M $25.000 / 1M $0.500 / 1M $6.250 / 1M

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 4.8nonevsClaude Sonnet 5.5lowClaude Opus 4.8nonevsKimi K2.6mediumClaude Opus 4.8nonevsGPT-5.6 LunalowClaude Opus 4.8nonevsQwen3.5-FlashmediumClaude Opus 4.8nonevsGemma 4 31Bmediumमोफत उपलब्धClaude Opus 4.8nonevsInklinglowमोफत उपलब्धClaude Opus 4.8nonevsEmber-1highClaude Opus 4.8nonevsMercury 2.5 PreviewmediumClaude Opus 4.8nonevsGemini 3.1 Flash LitemediumClaude Opus 4.8nonevsGPT-6 Solnone

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
स्वायत्त एजंट कार्ये 5.0 10.0
अँटी-एआय युक्त्या 6.5 10.0
कोडिंग 5.5 10.0
संयुक्त 9.8 10.0
डेटा पार्सिंग आणि निष्कर्षण 7.3 5.8
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 9.9 10.0
कोडी सोडवणे 7.7 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स