#63 Claude Opus 4.6
medium
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 tok
Anthropic
发布日期: 2026-02-05
测试于: 2026-05-22 00:17
anthropic/claude-opus-4.6::medium
~5T 总计 (~500B 激活)MoE闭源估算 摘要
Claude Opus 4.6 在 AI BENCHY 上得分 7.2，排名 #63。它的可靠性为 10.0，通过率为 63.3%，总成本为 $1.896，平均响应时间为 25.44s。
模型信息
调研日期：2026-08-12
- 参数量
- ~5T 总计 (~500B 激活)
- 架构
- MoE
- 开放状态
- 闭源
- 许可证
- -
基于公开证据的最佳估算；厂商未披露全部数值。
输入价格
$5.000 / 1M
输出价格
$25.000 / 1M
不稳定测试
2
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-08-14 02:08 重新测试 | 7.7 | 10.0 | $2.961 | 比较 | |
| 2026-07-16 22:31 新增测试 | 7.7 | 10.0 | $3.059 | 比较 | |
| 2026-06-04 13:45 新增测试 | 7.0 | 10.0 | $2.053 | 比较 | |
| 2026-05-22 00:17 测试集已变更 | 7.2 | 10.0 | $1.896 | 当前轮次 | |
| 2026-04-11 01:44 首次记录的运行 | 7.6 | 不适用 | $1.446 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
轮次对比
| 测试轮次 | 基准测试覆盖率 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:17 · 测试集已变更 | 60/60 次尝试 | 7.2 | 9.1 | 10.0 | 12/20 | 2 | 65,814 | 0 | $1.896 | 25.44s |
| 2026-07-16 22:31 · 新增测试 | 66/66 次尝试 | 7.7 | 8.8 | 10.0 | 13/22 | 3 | 100,601 | 108,615 | $3.059 | 34.27s |
| 差值 | — | -0.5 | +0.3 | 0.0 | -1 | -1 | -34787 | -108615 | -$1.163 | -8828ms |
基准测试覆盖率不同：60/60 次尝试 (目标：每项测试重复 3 次) 对比 66/66 次尝试 (目标：每项测试重复 3 次)。总量和受重复次数影响的指标不能直接比较。
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
Claude Opus 4.6mediumvsSeed-2.0-CodelowClaude Opus 4.6mediumvsDeepSeek V4 ProhighClaude Opus 4.6mediumvsGLM 5mediumClaude Opus 4.6mediumvsDeepSeek V4 Flash 0423highClaude Opus 4.6mediumvsQwen3.7 FlashhighClaude Opus 4.6mediumvsGPT-5.6 LunahighClaude Opus 4.6mediumvsClaude Opus 4.8lowClaude Opus 4.6mediumvsSolar Pro 4xhighClaude Opus 4.6mediumvsSeed-2.0-LitemediumClaude Opus 4.6mediumvsNemotron 3 Ultramedium免费可用