#223 Claude Opus 4.6
medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
- لاگت
- $0.000
- وقت
- 300.0s
- ٹوکنز
- 0 tok
Anthropic
اجرا: 2026-02-05
ٹیسٹ کیا گیا: 2026-08-14 02:08
anthropic/claude-opus-4.6::medium
~5T کل (~500B فعال)MoEبند ماخذتخمینہ خلاصہ
Claude Opus 4.6 AI BENCHY پر 6.3 اسکور کرتا ہے اور #223 پر ہے۔ اس کی reliability 10.0، pass rate 60.9%، کل لاگت $2.961، اور اوسط response time 32.23s ہے۔
Claude Opus 4.6 کو منفرد کیا بناتا ہے: یہ مشترکہ میں سب سے نمایاں ہے، جہاں اس کا rank #1 ہے؛ جبکہ خودمختار ایجنٹ کے کام اس کا کمزور ترین حصہ ہے، rank #16.
آرکائیو شدہ ماڈل: اس ماڈل کو اب اپ ڈیٹ نہیں کیا جائے گا اور نئے ٹیسٹس پر ٹیسٹ نہیں کیا جائے گا
ماڈل کی تفصیلات
تحقیق کی تاریخ: 2026-08-12
- پیرامیٹرز
- ~5T کل (~500B فعال)
- ساخت
- MoE
- دستیابی
- بند ماخذ
- لائسنس
- -
عوامی شواہد کی بنیاد پر بہترین تخمینہ؛ فراہم کنندہ نے تمام اقدار ظاہر نہیں کیں۔
6.3
تسلسل
8.5
10.0
$2.961
کل آؤٹ پٹ ٹوکنز
96,722
کل ان پٹ ٹوکنز
108,573
ان پٹ قیمت
$5.000 / 1M
آؤٹ پٹ قیمت
$25.000 / 1M
کیش پڑھنے کی قیمت
$0.500 / 1M
کیش میں لکھنے کی قیمت
$6.250 / 1M
کیش کی قیمتیں ان پٹ ٹوکنز پر لاگو ہوتی ہیں۔ پڑھنے سے محفوظ پرامپٹ دوبارہ استعمال ہوتے ہیں؛ لکھنے سے وہ محفوظ ہوتے ہیں اور اضافی لاگت آ سکتی ہے۔ آؤٹ پٹ ٹوکنز پر آؤٹ پٹ کی قیمت لاگو ہوتی ہے۔
غیر مستحکم ٹیسٹ
3
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-08-14 02:08 دوبارہ ٹیسٹ | 6.3 | 10.0 | $2.961 | موجودہ رن | |
| 2026-07-16 22:31 نیا ٹیسٹ شامل ہوا | 7.7 | 10.0 | $3.059 | موازنہ کریں | |
| 2026-06-04 13:45 نیا ٹیسٹ شامل ہوا | 7.0 | 10.0 | $2.053 | موازنہ کریں | |
| 2026-05-22 00:17 سوٹ بدل گیا | 7.2 | 10.0 | $1.896 | موازنہ کریں | |
| 2026-04-11 01:44 پہلا ریکارڈ شدہ رن | 7.6 | دستیاب نہیں | $1.446 | موازنہ کریں |
اس رن میں مختلف بینچ مارک سوٹ استعمال ہوا تھا۔ تاریخی تبدیلی سمجھتے وقت سوٹ کی تبدیلی کو بھی ذہن میں رکھیں۔
رن موازنہ
| رن | بینچ مارک کوریج | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 02:08 · موجودہ رن | 66/69 کوششیں | 6.3 | 8.5 | 10.0 | 13/22 | 3 | 96,722 | 108,573 | $2.961 | 32.23s |
| 2026-05-22 00:17 · سوٹ بدل گیا | 60/60 کوششیں | 7.2 | 9.1 | 10.0 | 12/20 | 2 | 65,814 | 0 | $1.896 | 25.44s |
| فرق | — | -0.9 | -0.6 | 0.0 | +1 | +1 | +30908 | +108573 | +$1.066 | +6790ms |
بینچ مارک کوریج مختلف ہے: 66/69 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 60/60 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔)۔ مجموعے اور تکرار سے متاثر ہونے والے پیمانے براہ راست قابل موازنہ نہیں ہیں۔
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
قیمت کی تاریخ
OpenRouter سے اس ماڈل کے تاریخی قیمت کے اعداد و شمار۔
| تاریخ | ان پٹ قیمت | آؤٹ پٹ قیمت | کیش پڑھنے کی قیمت | کیش میں لکھنے کی قیمت |
|---|---|---|---|---|
| 2026-08-14 12:51 | $5.000 / 1M | $25.000 / 1M | دستیاب نہیں | دستیاب نہیں |
| 2026-10-01 18:33 | $5.000 / 1M | $25.000 / 1M | $0.500 / 1M | $6.250 / 1M |
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| خودمختار ایجنٹ کے کام | 0.0 | 0.0 | |
| اینٹی اے آئی چالیں | 6.4 | 5.8 | |
| کوڈنگ | 5.7 | 7.1 | |
| مشترکہ | 10.0 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 10.0 | 10.0 | |
| ڈومین مخصوص | 3.0 | 10.0 | |
| عمومی ذہانت | 10.0 | 10.0 | |
| ہدایات کی پیروی | 10.0 | 10.0 | |
| پہیلی حل کرنا | 7.7 | 10.0 | |
| ٹول کالنگ | 10.0 | 10.0 | |
| معلومات عامہ | 3.0 | 10.0 |