Anthropic: Claude Opus 4.8 vs Claude Opus 5

Claude Opus 4.8 (medium) 平均分领先，为 8.8 vs 8.6。 Claude Opus 5 (low) benchmark 成本更低，为 $1.121 vs $1.931。 Claude Opus 5 (low) 更快，为 6.99s vs 12.49s，通过率为 84.9% vs 80.3%。

推荐模型Claude Opus 5 (low)它的得分接近这里的最高分（8.6 vs 8.8），同时成本比Claude Opus 4.8 (medium)低约 1.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	Claude Opus 5 Claude Opus 5 low 发布日期: 2026-07-25

指标	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	Claude Opus 5 Claude Opus 5 low 发布日期: 2026-07-25
分数	8.8	8.6
排名	#19	#23
可靠性	10.0	10.0
一致性	9.6	9.3
测试正确
尝试通过率	84.9%	80.3%
不稳定测试	1	2
总运行次数	66	66
每个结果成本	10.724	6.593
总成本	$1.931	$1.121
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	138,451	134,773
输出令牌	40,766	14,123
推理令牌	9,075	3,896
响应时间（平均）	12.49s	6.99s
响应时间（最大）	70.54s	30.67s
响应时间（总计）	274.72s	153.73s

Hamster playing table tennis

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

#19 Claude Opus 4.8

medium

成本: $0.057
时间: 23.1s
令牌: 2,412 tok

#23 Claude Opus 5

low

成本: $0.062
时间: 30.2s
令牌: 2,615 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

类别:

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 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
Claude Opus 5	10.0	10.0	100.0%	0		4.32s	834	1,008	376

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 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
Claude Opus 5	7.8	7.4	77.8%	1		6.70s	10,590	2,442	760

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 4.8	9.9	10.0	100.0%	0		54.29s	101,005	19,531	4,762
Claude Opus 5	10.0	10.0	100.0%	0		21.05s	97,363	6,024	911

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 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
Claude Opus 5	10.0	10.0	100.0%	0		3.69s	10,503	343	79

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 4.8	5.3	10.0	33.3%	0		14.59s	975	7,477	900
Claude Opus 5	2.9	7.2	11.1%	1		8.89s	975	2,447	987

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 4.8	10.0	10.0	100.0%	0		2.46s	708	237	0
Claude Opus 5	10.0	10.0	100.0%	0		3.76s	708	293	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 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
Claude Opus 5	10.0	10.0	100.0%	0		4.13s	909	242	146

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 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
Claude Opus 5	10.0	10.0	100.0%	0		4.23s	894	607	300

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 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
Claude Opus 5	10.0	10.0	100.0%	0		9.03s	11,739	354	0

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 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
Claude Opus 5	3.0	10.0	0.0%	0		6.48s	258	363	337

快速对比

切换对比组合

Claude Opus 5lowvsMuse Spark 1.1medium Claude Opus 5lowvsGPT-5.4medium Claude Opus 4.8mediumvsGrok 4.5high Claude Opus 4.8mediumvsGemini 3.5 Flashlow Claude Opus 5lowvsQwen3.6 Max Previewmedium Claude Opus 5lowvsGPT-5.2medium Claude Opus 5lowvsGrok 4.5medium Claude Opus 5lowvsGPT-5.3-Codexmedium Claude Opus 5lowvsGrok 4.5high Claude Opus 5lowvsGemini 2.5 Flashmedium Claude Opus 5lowvsGPT-5.5medium Claude Opus 4.8mediumvsGrok 4.5low