Advertise here
#27

Claude Opus 5

Anthropic 发布日期: 2026-07-25 测试于: 2026-10-01 01:59 anthropic/claude-opus-5::high
~5T 总计 (~500B 激活)MoE闭源估算
(high) (medium) (low) (none)

摘要

Claude Opus 5 在 AI BENCHY 上得分 9.4，排名 #27。它的可靠性为 10.0，通过率为 82.6%，总成本为 $4.524，平均响应时间为 25.31s。

模型信息

调研日期：2026-08-12

估算
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。

参数量来源 开放状态来源

分数

9.4

一致性

10.0

可靠性

10.0

总成本（当前价格）

$4.524

总输出令牌

105,662

总输入令牌

376,421

输入价格

$5.000 / 1M

输出价格

$25.000 / 1M

缓存读取价格

$0.500 / 1M

缓存写入价格

$6.250 / 1M

缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。

测试正确

错误测试数: 4

尝试通过率: 82.6%

不稳定测试

0

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）。

响应时间（平均）

25.31s

响应时间（最大）: 159.01s

响应时间（总计）: 582.11s

答案错误: 2 额外格式: 1 无答案: 1

Hamster playing table tennis

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

#27 Claude Opus 5

high
成本
$0.265
时间
144.5s
令牌
10,741 tok

测试历史

测试于 分数 可靠性 测试正确 总成本 比较
2026-10-01 01:59 重新测试 9.4 10.0 $4.524 当前轮次
2026-07-25 03:44 首次运行 9.2 10.0 $2.835 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）
2026-10-01 01:59 · 当前轮次69/69 次尝试9.410.010.019/230105,662376,421$4.52425.31s
2026-07-25 03:44 · 首次运行66/66 次尝试9.29.610.018/22186,180135,959$2.83520.44s
差值—+0.1+0.40.0+1-1+19482+240462+$1.690+4869ms

基准测试覆盖率不同：69/69 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。

价格历史

来自 OpenRouter 的该模型历史定价数据。

日期 输入价格 输出价格 缓存读取价格 缓存写入价格
2026-08-14 12:51 $5.000 / 1M $25.000 / 1M 不适用 不适用
2026-10-01 18:33 $5.000 / 1M $25.000 / 1M $0.500 / 1M $6.250 / 1M

图表

先选择第一个模型，再点击第二个模型打开并排页面。

总输出令牌

分数 vs 总输出令牌

快速对比

Claude Opus 5highvsGemini 3.7 FlashlowClaude Opus 5highvsClaude Opus 5mediumClaude Opus 5highvsClaude Opus 5.5highClaude Opus 5highvsSeed 2.1 TurbolowClaude Opus 5highvsClaude Opus 5.5lowClaude Opus 5highvsMuse Spark OpenhighClaude Opus 5highvsGPT-5.5lowClaude Opus 5highvsClaude Opus 5.5mediumClaude Opus 5highvsGPT-5.6 SolhighClaude Opus 5highvsMuse Wondermedium

类别细分

类别 分数 一致性 测试正确
智能体任务 10.0 10.0
反AI技巧 10.0 10.0
编程 10.0 10.0
综合 10.0 10.0
数据解析与提取 10.0 10.0
领域专项 3.0 10.0
通用智能 10.0 10.0
指令遵循 10.0 10.0
谜题求解 10.0 10.0
工具调用 10.0 10.0
常识问答 3.0 10.0

已对比模型