#38 Claude Opus 4.8
low- Cost
- $0.031
- Timp
- 14.1s
- Tokenuri
- 1,345 tok
Anthropic
Lansare: 2026-05-28
Testat la: 2026-07-16 22:30
anthropic/claude-opus-4.8::low
~5T în total (~500B activi)MoEÎnchisEstimat
Rezumat
Claude Opus 4.8 obține 7.8 pe AI BENCHY și este pe #38. Are fiabilitate 10.0, rată de reușită 80.3%, cost total $2.077 și timp mediu de răspuns 12.74s.
Ce face Claude Opus 4.8 unic: Se remarcă cel mai mult la Rezolvare de puzzle-uri, unde este pe #1, iar Programare este zona cea mai slabă, la #18.
Date despre model
Documentat la 2026-08-12
- Parametri
- ~5T în total (~500B activi)
- Arhitectură
- MoE
- Disponibilitate
- Închis
- Licență
- -
Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.
7.8
Consistență
8.9
10.0
$2.077
Total tokenuri de ieșire
51,758
Total tokenuri de intrare
156,525
Preț de intrare
$5.000 / 1M
Preț de ieșire
$25.000 / 1M
Teste instabile
3
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
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 |
|---|---|---|---|---|---|
| 2026-08-14 02:09 Retestare | 7.8 | 10.0 | $2.089 | Compară | |
| 2026-07-16 22:30 Test nou adăugat | 7.8 | 10.0 | $2.077 | Rularea curentă | |
| 2026-06-30 22:08 Prima rulare | 7.7 | 10.0 | $1.270 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-07-16 22:30 · Test nou adăugat | 66/66 încercări | 7.8 | 8.9 | 10.0 | 16/22 | 3 | 51,758 | 156,525 | $2.077 | 12.74s |
| 2026-06-30 22:08 · Prima rulare | 63/63 încercări | 7.7 | 8.8 | 10.0 | 15/21 | 3 | 38,602 | 60,946 | $1.270 | 10.83s |
| Diferență | — | 0.0 | +0.1 | 0.0 | +1 | 0 | +13156 | +95579 | +$0.807 | +1912ms |
Acoperirea benchmark diferă: 66/66 încercări (Țintă: 3 repetări per test) față de 63/63 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Istoric prețuri
Date istorice de preț pentru acest model de la OpenRouter.
| Dată | Preț de intrare | Preț de ieșire |
|---|---|---|
| 2026-06-30 22:09 | $5.000 / 1M | $25.000 / 1M |
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 4.8lowvsSeed-2.0-LitemediumClaude Opus 4.8lowvsQwen3.7 FlashhighClaude Opus 4.8lowvsClaude Sonnet 4.6mediumClaude Opus 4.8lowvsGLM 5mediumClaude Opus 4.8lowvsGPT-5.6 TerramediumClaude Opus 4.8lowvsSeed-2.0-CodelowClaude Opus 4.8lowvsGLM 5.2mediumClaude Opus 4.8lowvsClaude Opus 4.6mediumClaude Opus 4.8lowvsGemini 3.5 Flash LitemediumClaude Opus 4.8lowvsDeepSeek V4 Prohigh
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 6.6 | 4.6 | |
| Combinat | 9.9 | 10.0 | |
| Parsare și extragere de date | 6.3 | 5.8 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 10.0 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |