Anthropic: Claude Opus 4.6

Benchmark-urile au fost generate din suitele de teste Aibenchy la : 19 feb. 2026

Defalcare pe categorii

Categorie	Teste trecute complet	Score	Consistență	Rată de trecere pe încercare	Teste instabile	Scor de raționament	Cost
Anti-AI Tricks	0/2	1.00	1.62	33.3%	2	10.00	$0.03036
Data parsing and extraction	2/2	10.00	10.00	100.0%	0	9.83	$0.07755
Domain specific	0/3	1.00	10.00	0.0%	0	7.61	$0.60915
Instructions following	2/2	9.50	9.99	100.0%	0	9.50	$0.02231
Puzzle Solving	2/3	7.00	10.00	66.7%	0	9.44	$0.03281

Compară Anthropic: Claude Opus 4.6 cu...

#15 · Z.ai

Fără raționament

Score: 5.42

Consistență: 10.00

Rată de trecere pe încercare: 50.0%

Teste instabile: 0

Cost per rezultat: 0.0704

Teste corecte: 6/12

Cost total: $0.00423

#17 · MiniMax

Raționament (medium)

Score: 5.08

Consistență: 6.00

Rată de trecere pe încercare: 61.1%

Teste instabile: 6

Cost per rezultat: 4.0276

Teste corecte: 5/12

Cost total: $0.20138

#14 · Qwen

Fără raționament

Score: 5.67

Consistență: 9.99

Rată de trecere pe încercare: 50.0%

Teste instabile: 0

Cost per rezultat: 0.0997

Teste corecte: 6/12

Cost total: $0.00599

Compară Anthropic: Claude Opus 4.6 cu...