#42 Claude Opus 4.6
medium
SVG invalid
- Cost
- $0.000
- Timp
- 300.0s
- Tokenuri
- 0 tok
Anthropic
Lansare: 2026-02-05
Testat la: 2026-04-11 01:44
anthropic/claude-opus-4.6::medium
Rezumat
Claude Opus 4.6 obține 7.6 pe AI BENCHY și este pe #42. Are fiabilitate N/D, rată de reușită 70.4%, cost total $1.446 și timp mediu de răspuns 21.08s.
Ce face Claude Opus 4.6 unic: Se remarcă cel mai mult la Programare, unde este pe #1, iar Trucuri anti-AI este zona cea mai slabă, la #15.
7.6
Consistență
9.1
N/D
$1.446
Total tokenuri de ieșire
48,767
Total tokenuri de intrare
0
Preț de intrare
$5.000 / 1M
Preț de ieșire
$25.000 / 1M
Teste instabile
2
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 13:45 Test nou adăugat | 7.0 | 10.0 | $2.053 | Compară | |
| 2026-05-22 00:17 Suită modificată | 7.2 | 10.0 | $1.896 | Compară | |
| 2026-04-11 01:44 Prima rulare înregistrată | 7.6 | N/D | $1.446 | Rularea curentă |
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Prima rulare înregistrată | 7.6 | 9.1 | N/D | 12/18 | 2 | 48,767 | 0 | $1.446 | 21.08s |
| 2026-05-22 00:17 · Suită modificată | 7.2 | 9.1 | 10.0 | 12/20 | 2 | 65,814 | 0 | $1.896 | 25.44s |
| Diferență | +0.4 | 0.0 | 0 | 0 | -17047 | 0 | -$0.451 | -4362ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Top modele după scor
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
Claude Opus 4.6mediumvsClaude Opus 4.8lowClaude Opus 4.6mediumvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsKimi K2.6mediumDisponibil gratuitClaude Opus 4.6mediumvsMiniMax M3mediumClaude Opus 4.6mediumvsGemini 3.5 FlashhighClaude Opus 4.6mediumvsGemini 3 Flash PreviewmediumClaude Opus 4.6mediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitClaude Opus 4.6mediumvsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 6.4 | 5.8 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 3.0 | 10.0 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 7.7 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 |