#13 Claude Opus 4.8
medium- Cost
- $0.057
- Timp
- 23.1s
- Tokenuri
- 2,412 tok
Anthropic
Lansare: 2026-05-28
Testat la: 2026-07-16 22:32
anthropic/claude-opus-4.8::medium
~5T în total (~500B activi)MoEÎnchisEstimat
Rezumat
Claude Opus 4.8 obține 8.8 pe AI BENCHY și este pe #13. Are fiabilitate 10.0, rată de reușită 84.9%, cost total $1.931 și timp mediu de răspuns 12.49s.
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.
8.8
Consistență
9.6
10.0
$1.931
Total tokenuri de ieșire
49,841
Total tokenuri de intrare
138,451
Preț de intrare
$5.000 / 1M
Preț de ieșire
$25.000 / 1M
Teste instabile
1
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 02:10 Retestare | 8.8 | 10.0 | $1.983 | Compară | |
| 2026-07-16 22:32 Test nou adăugat | 8.8 | 10.0 | $1.931 | Rularea curentă | |
| 2026-06-30 22:01 Retestare | 8.8 | 10.0 | $1.107 | Compară | |
| 2026-06-04 13:45 Test nou adăugat | 8.7 | 10.0 | $1.107 | Compară | |
| 2026-05-28 17:34 Prima rulare | 8.7 | 10.0 | $1.006 | 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 22:32 · Test nou adăugat | 66/66 încercări | 8.8 | 9.6 | 10.0 | 18/22 | 1 | 49,841 | 138,451 | $1.931 | 12.49s |
| 2026-05-28 17:34 · Prima rulare | 60/60 încercări | 8.7 | 9.6 | 10.0 | 16/20 | 1 | 29,102 | 0 | $1.006 | 9.34s |
| Diferență | — | +0.2 | 0.0 | 0.0 | +2 | 0 | +20739 | +138451 | +$0.925 | +3145ms |
Acoperirea benchmark diferă: 66/66 încercări (Țintă: 3 repetări per test) față de 60/60 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 |
|---|---|---|
| 2026-06-04 15:40 | $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 4.8mediumvsGemini 3.5 Flash LitehighClaude Opus 4.8mediumvsClaude Opus 5lowClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGemini 3.6 FlashlowClaude Opus 4.8mediumvsSeed 2.1 TurbohighClaude Opus 4.8mediumvsGLM 5.3 FlashmaxClaude Opus 4.8mediumvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsClaude Opus 4.7mediumClaude Opus 4.8mediumvsGrok 4.5highClaude Opus 4.8mediumvsMuse Spark 1.2high
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 9.9 | 10.0 | |
| Parsare și extragere de date | 7.1 | 5.6 | |
| Specific domeniului | 5.3 | 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 | |
| Cultură generală | 3.0 | 10.0 |