#4 Claude Opus 4.7
none- Cost
- $0.051
- Timp
- 24.2s
- Tokenuri
- 2,181 tok
Anthropic
Lansare: 2026-04-16
Testat la: 2026-04-16 15:59
anthropic/claude-opus-4.7::none
(medium)
(none)
Rezumat
Claude Opus 4.7 obține 9.2 pe AI BENCHY și este pe #4. Are fiabilitate N/D, rată de reușită 88.9%, cost total $0.505 și timp mediu de răspuns 3.13s.
Ce face Claude Opus 4.7 unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #2, iar Trucuri anti-AI este zona cea mai slabă, la #12. Este unul dintre modelele cel mai bine clasate per total. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Model arhivat: acest model nu mai este actualizat și nu mai este testat pe teste noi.
9.2
Consistență
10.0
N/D
$0.505
Total tokenuri de ieșire
6,326
Total tokenuri de intrare
0
Preț de intrare
$5.000 / 1M
Preț de ieșire
$25.000 / 1M
Teste instabile
0
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 |
|---|---|---|---|---|---|
| 2026-05-08 13:36 Retestare | 8.9 | 10.0 | $0.505 | Compară | |
| 2026-05-08 13:36 Retestare | 8.9 | 10.0 | $0.507 | Compară | |
| 2026-05-08 13:36 Suită modificată | 8.9 | 10.0 | $0.507 | Compară | |
| 2026-04-16 15:59 Prima rulare înregistrată | 9.2 | N/D | $0.505 | 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) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-16 15:59 · Prima rulare înregistrată | 9.2 | 10.0 | N/D | 16/18 | 0 | 6,326 | 0 | $0.505 | 3.13s |
| 2026-05-08 13:36 · Suită modificată | 8.9 | 10.0 | 10.0 | 16/19 | 0 | 6,329 | 0 | $0.507 | 3.04s |
| Diferență | +0.3 | 0.0 | 0 | 0 | -3 | 0 | -$0.002 | +88ms |
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
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 8.3 | 10.0 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 9.5 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 7.7 | 10.0 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 10.0 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 |