AI BENCHY
Advertise here
#63

Claude Opus 4.6

Anthropic Релиз: 2026-02-05 Проверено: 2026-05-22 00:17 anthropic/claude-opus-4.6::medium

Сводка

Claude Opus 4.6 набирает 7.2 в AI BENCHY и занимает #63. У модели надежность 10.0, доля успешных попыток 63.3%, общая стоимость $1.896 и среднее время ответа 25.44s.

Что делает Claude Opus 4.6 особенной: Сильнее всего модель выделяется в Следование инструкциям, где занимает #1; самая слабая область — Анти-ИИ уловки с #12.

Оценка

7.2

Стабильность

9.1

Надежность

10.0

Общая стоимость (текущая цена)

$1.896

Общее число выходных токенов

65,814

Общее число входных токенов

0

Цена входа

$5.000 / 1M

Цена выхода

$25.000 / 1M

Тестов верно

Ошибочных тестов: 8

Доля успешных попыток: 63.3%

Нестабильные тесты

2

Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).

Время ответа (среднее)

25.44s

Время ответа (макс.): 83.40s

Время ответа (суммарно): 330.70s

Лишнее форматирование: 4 Неверный ответ: 3 Не соблюдены инструкции: 1

Генерация showcase

Hamster playing table tennis

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

#63 Claude Opus 4.6

medium
Неверный SVG
Стоимость
$0.000
Время
300.0s
Токены
0 tok

История запусков

Проверено Оценка Надежность Тестов верно Общая стоимость Сравнить
2026-06-04 13:45 Добавлен новый тест 7.0 10.0 $2.053 Сравнить
2026-05-22 00:17 Набор изменён 7.2 10.0 $1.896 Текущий запуск
2026-04-11 01:44 Первый зафиксированный запуск 7.6 Н/Д $1.446 Сравнить

Этот запуск использовал другой набор бенчмарков. Учитывайте изменения набора при чтении исторической динамики.

Сравнение запусков

ЗапускОценкаСтабильностьНадежностьТестов верноНестабильные тестыОбщее число выходных токеновОбщее число входных токеновОбщая стоимостьВремя ответа (среднее)
2026-05-22 00:17 · Набор изменён7.29.110.012/20265,8140$1.89625.44s
2026-06-04 13:45 · Добавлен новый тест7.08.810.012/21371,44653,227$2.05325.89s
Разница+0.2+0.30.00-1-5632-53227-$0.157-453ms

Эти два запуска использовали разные наборы бенчмарков, поэтому различия отражают и изменения модели, и изменения набора.

Графики

Выберите первую модель, затем нажмите вторую, чтобы открыть страницу сравнения бок о бок.

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Быстрое сравнение

Claude Opus 4.6mediumvsClaude Opus 4.8lowClaude Opus 4.6mediumvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.6mediumvsKimi K2.6mediumБесплатно доступноClaude Opus 4.6mediumvsMiniMax M3mediumClaude Opus 4.6mediumvsGemini 3.5 FlashhighClaude Opus 4.6mediumvsGemini 3 Flash PreviewmediumClaude Opus 4.6mediumvsNemotron 3 Ultra 550b A55bmediumБесплатно доступноClaude Opus 4.6mediumvsGPT-5.5low

Разбивка по категориям

Категория Оценка Стабильность Тестов верно
Анти-ИИ уловки 6.4 5.8
Программирование 7.2 9.8
Комбинированный 10.0 10.0
Парсинг и извлечение данных 10.0 10.0
Предметно-ориентированное 3.0 10.0
Общий интеллект 10.0 10.0
Следование инструкциям 10.0 10.0
Решение головоломок 7.7 10.0
Вызов инструментов 10.0 10.0
Эрудиция 3.0 10.0

Сравниваемые модели