AI BENCHY
Advertise here
#67

Claude Opus 4.8

Anthropic Lansare: 2026-05-28 Testat la: 2026-06-04 13:44 anthropic/claude-opus-4.8::none
(medium) (low) (none)

Rezumat

Claude Opus 4.8 obține 7.0 pe AI BENCHY și este pe #67. Are fiabilitate 10.0, rată de reușită 61.9%, cost total $0.539 și timp mediu de răspuns 3.47s.

Ce face Claude Opus 4.8 unic: Se remarcă cel mai mult la Inteligență generală, unde este pe #1, iar Parsare și extragere de date este zona cea mai slabă, la #12. Este vizibil rapid față de modele similare.

Scor

7.0

Consistență

9.2

Fiabilitate

10.0

Cost total (preț curent)

$0.539

Total tokenuri de ieșire

8,107

Total tokenuri de intrare

67,104

Preț de intrare

$5.000 / 1M

Preț de ieșire

$25.000 / 1M

Teste corecte

Teste greșite: 9

Rată de trecere pe încercare: 61.9%

Teste instabile

2

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

3.47s

Timp de răspuns (maxim): 17.73s

Timp de răspuns (total): 72.90s

Răspuns greșit: 4 Formatare suplimentară: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1

Prezentare generare

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#67 Claude Opus 4.8

none
Cost
$0.053
Timp
22.0s
Tokenuri
2,253 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-30 22:01 Retestare 7.2 10.0 $0.539 Compară
2026-06-04 13:44 Test nou adăugat 7.0 10.0 $0.539 Rularea curentă
2026-05-28 17:34 Prima rulare 7.3 10.0 $0.519 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-04 14:42 $5.000 / 1M $25.000 / 1M

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Claude Opus 4.8nonevsGemini 3 Flash PreviewlowClaude Opus 4.8nonevsMiMo-V2.5-PromediumClaude Opus 4.8nonevsClaude Sonnet 4.6noneClaude Opus 4.8nonevsSeed-2.0-MinimediumClaude Opus 4.8nonevsGemini 3.5 FlashhighClaude Opus 4.8nonevsGemini 3 Flash PreviewmediumClaude Opus 4.8nonevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitClaude Opus 4.8nonevsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 6.5 10.0
Programare 5.5 10.0
Combinat 9.5 10.0
Parsare și extragere de date 7.3 5.8
Specific domeniului 5.3 7.2
Inteligență generală 10.0 10.0
Respectarea instrucțiunilor 9.9 10.0
Rezolvare de puzzle-uri 7.7 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate