导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.6 vs Anthropic: Claude Opus 4.8

摘要

Claude Opus 4.6 vs Claude Opus 4.8 benchmark 对比：平均分几乎持平，为 7.7 vs 7.7。 Claude Opus 4.8 benchmark 成本更低，为 $1.270 vs $2.053。 Claude Opus 4.8 更快，为 10.83s vs 25.89s，通过率为 61.9% vs 79.4%。

推荐模型: Claude Opus 4.8 - 它在这里得分最高（7.7），同时成本比Claude Opus 4.6低约 1.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标 Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05 Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28
分数 7.7 7.7
排名 #40 #38
可靠性 10.0 10.0
一致性 8.8 8.8
测试正确
尝试通过率 61.9% 79.4%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 17.103 8.466
总成本 $2.053 $1.270
输入价格 $5.000 / 1M $5.000 / 1M
输出价格 $25.000 / 1M $25.000 / 1M
总输入令牌 53,227 60,946
输出令牌 47,446 31,771
推理令牌 24,000 6,831
响应时间（平均） 25.89s 10.83s
响应时间（最大） 83.40s 127.97s
响应时间（总计） 362.49s 227.39s

生成展示

Hamster playing table tennis

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

#40 Claude Opus 4.6

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#38 Claude Opus 4.8

low
成本
$0.031
时间
14.1s
令牌
1,345 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 840 986 1,071
Claude Opus 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 5.7 7.1 44.4% 1 30.10s 8,522 13,057 4,121
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 20,685 8,178 5,194
Claude Opus 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 8,676 691 757
Claude Opus 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 674 14,642 8,687
Claude Opus 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 564 188 292
Claude Opus 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 792 266 467
Claude Opus 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 7.7 10.0 66.7% 0 4.71s 816 532 630
Claude Opus 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 11,454 861 329
Claude Opus 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 204 8,045 2,452
Claude Opus 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222

快速对比

切换对比组合

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.6mediumvsStep 3.7 FlashlowClaude Opus 4.8lowvsKimi K2.6medium免费可用Claude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsGrok Build 0.1medium