BenchLeader

Claude Opus 4.6 vs Claude Opus 4.7

完整资料:Claude Opus 4.6(Anthropic)和 Claude Opus 4.7(Anthropic),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,Claude Opus 4.6 与 Claude Opus 4.7 的质量不相上下(BenchLeader Index 62.5 比 63.1,在 ±4.5 的误差范围内)。两者价格相近(每百万 token 混合价格 $10.00 比 $10.00)。看重人类偏好(70 比 67)、推理(65 比 64)和编程(62 比 61)选 Opus 4.6;看重数学(67 比 63)选 Opus 4.7。Opus 4.7 的输出更快。

要点(截至 2026年11月16日)

  • Claude Opus 4.6 的 BenchLeader Index 为 62.5,Claude Opus 4.7 为 63.1(BenchLeader,2026年11月16日)。
  • Claude Opus 4.6 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Claude Opus 4.7 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Claude Opus 4.7 比 Claude Opus 4.6 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 13 项基准测试中,Claude Opus 4.6 领先 10 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.6 的评分为 1547,Claude Opus 4.7 为 1555(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Claude Opus 4.6类别得分 62 比 61;WeirdML 78.0% 比 76.4%中
数学Claude Opus 4.7类别得分 67 比 63;Arena Maths 1490 比 1516中
推理Claude Opus 4.6类别得分 65 比 64;Arena Hard Prompts 1530 比 1519中
图像及其他媒体均可类别得分 67 比 67;Arena Vision 1316 比 1319均可
对话质量(人类偏好)Claude Opus 4.6Arena 投票 70 比 67中
成本最低均可每百万 token 混合价格 $10.00 比 $10.00;智能体编程会话 $0.400 比 $0.400–
首次回答最快均可首个回答 token 1.1 秒(Claude Opus 4.6 (high))比 1.0 秒(Claude Opus 4.7)–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Claude Opus 4.6 (high) 与 Claude Opus 4.7 的质量不相上下(62.5 比 63.1,在 ±4.5 的误差范围内)。
  • Claude Opus 4.6 (high) 在编程、人类偏好、推理方面更强。
  • Claude Opus 4.7 在数学、多模态方面更强。
  • 两者价格相近(每百万 token 混合价格 $10.00)。
  • Claude Opus 4.7 的输出速度是对方的 1.4 倍(48 比 35 token/秒)。

概览

规格Claude Opus 4.6Claude Opus 4.7
提供商AnthropicAnthropic
发布日期2026年2月5日2026年4月16日
上下文窗口(token)1,000,0001,000,000
对比时的配置Claude Opus 4.6 (high)Claude Opus 4.7
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$5.00 / $25.00 / $0.500

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Opus 4.6 (high)Claude Opus 4.7领先者
推理65.063.6Claude Opus 4.6
编程62.260.9Claude Opus 4.6
智能体与工具–67.9无法比较
数学63.466.7Claude Opus 4.7
人类偏好69.867.3Claude Opus 4.6
多模态66.767.1持平

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学多模态人类偏好Claude Opus 4.6, 推理: 65.0Claude Opus 4.6, 编程: 62.2Claude Opus 4.6, 数学: 63.4Claude Opus 4.6, 多模态: 66.7Claude Opus 4.6, 人类偏好: 69.8Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 多模态: 67.1Claude Opus 4.7, 人类偏好: 67.3

未绘制(测得的模型少于两个):智能体与工具, 知识, 指令遵循, 长上下文。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 13 项基准测试中,Claude Opus 4.6 领先 10 项,Claude Opus 4.7 领先 3 项。所有同时评测两者的综合评分都认为 Claude Opus 4.6 更强。

综合 IndexClaude Opus 4.6 (high)Claude Opus 4.7领先者
BenchLeader Index62.563.1不相上下
Arena Text15031494Claude Opus 4.6

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Opus 4.6 (high)Claude Opus 4.7
每百万 token 混合价格$10.00$10.00
每百万 token 输入 / 输出$5.00 / $25.00$5.00 / $25.00
每百万 token 缓存输入$0.500$0.500
每项任务价格:聊天回复$0.0095$0.0095
每项任务价格:总结一份 30 页的报告$0.075$0.075
每项任务价格:代码编辑$0.068$0.068
每项任务价格:智能体编程会话$0.400$0.400
每项任务价格:结构化信息提取$0.015$0.015
智能体编程会话(输入大多命中缓存)$0.198$0.198
输出速度35 tok/s48 tok/s
首次回答时间1.1 秒1.0 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.6 (high) 得分 62.5,首个回答 token 需 1 秒;Claude Opus 4.6 为 62.1(1 秒),Claude Opus 4.6 (无推理) 为 58.4(2 秒)。Claude Opus 4.7 得分 63.1,首个回答 token 需 1 秒;Claude Opus 4.7 (high) 为 60.0(1 秒),Claude Opus 4.7 (max) 为 59.7(15 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 137 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Opus 4.6 (high)Claude Opus 4.7
BenchLeader IndexBenchLeader62.563.1
编程得分BenchLeader62.260.9
人类偏好得分BenchLeader69.867.3
数学得分BenchLeader63.466.7
多模态得分BenchLeader66.767.1
推理得分BenchLeader65.063.6
智能体与工具得分BenchLeader–67.9
混合价格(美元/百万 token)BenchLeader$10.00$10.00
输出速度BenchLeader35 tok/s48 tok/s
首次回答时间BenchLeader1.1 秒1.0 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.5%†86.4%†
Humanity's Last ExamScale AI / CAIS19.0%†36.2%
SimpleBenchSimpleBench67.6%†61.7%
Arena Hard PromptsArena (LMArena)15301519
LiveBench 1.0 ReasoningLiveBench88.7%87.2%†
GPQA Diamond (AA)Artificial Analysis84.0%†91.4%†
Humanity's Last Exam (AA)Artificial Analysis19.1%†42.3%†
GPQA Diamond (Vals)Vals AI89.7%†90.2%†
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†73.3%
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize69.2%–
ARC-AGI-3ARC Prize0.5%†0.2%†
CritPtArtificial Analysis2.8%†12.0%†
Arena ExpertArena (LMArena)15441534
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†41.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†13.0%
CL-benchEpoch AI Benchmarking Hub20.7%†–
CL-bench LifeEpoch AI Benchmarking Hub17.0%–
LMCAEpoch AI Benchmarking Hub55.8%†52.2%†
DTBenchEpoch AI Benchmarking Hub91.2%†94.7%†
ForecastBenchForecastBench63.1%†62.8%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†83.5%†
SciCodeSciCode–54.5%†
WeirdMLWeirdML78.0%76.4%
FrontierCodeCognition26.6%†38.5%
显示全部 137 项基准测试
指标发布方Claude Opus 4.6 (high)Claude Opus 4.7
编程
GSO-BenchGSO-Bench41.2%44.1%
Arena CodingArena (LMArena)15471547
Arena WebDevArena (LMArena)15471555
LiveBench 1.0 CodingLiveBench78.2%82.1%†
LiveCodeBenchVals AI84.7%†85.1%†
SWE-bench (Vals)Vals AI78.2%†82.0%†
SWE-Bench ProScale AI SEAL51.9%†–
SWE-bench Verified (bash only)SWE-bench75.6%†–
SWE-bench Multilingual (bash only)SWE-bench72.0%†–
SWE-bench Verified (any scaffold)SWE-bench75.6%†–
Code MigrationVals AI–43.9%†
ProgramBenchVals AI–0.0%†
Vibe Code Bench v1.1Vals AI57.6%†71.0%†
SWE-Bench Pro (private)Scale AI SEAL47.1%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†40.3%
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†48.6%
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†38.5%
MirrorCodeEpoch AI Benchmarking Hub33.3%†31.1%†
ALE-BenchEpoch AI Benchmarking Hub996.5†1323.0
AlgoTuneAlgoTune1.5–
Terminal-Bench 2.1 (AA)Artificial Analysis–83.2%†
Design Arena WebsiteDesign Arena1283†–
智能体与工具
Terminal-BenchTerminal-Bench79.8%†80.2%
OSWorld-Verified 2.0OSWorld–18.2%†
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†49.2%†
LiveBench Agentic CodingLiveBench49.0%50.7%†
Terminal-Bench HardArtificial Analysis48.5%†51.5%†
τ²-Bench Telecom (AA)Artificial Analysis84.8%†88.6%†
Terminal-Bench 2.1 (Vals)Vals AI–68.5%†
MCP AtlasScale AI SEAL76.8%†79.1%†
HiL-BenchScale AI SEAL38.3%†41.7%
τ³-bench Bankingτ²-bench27.3%†40.2%†
GDPval-AA v2.1Artificial Analysis–1361†
τ³-Banking (AA)Artificial Analysis–34.6%†
ITBench SRE (AA)Artificial Analysis–46.7%†
Analyst Agent (AA)Artificial Analysis–43.8%†
APEX-Agents (AA)Artificial Analysis33.0%†–
Finance Agent v2Vals AI–51.5%†
Harvey's Legal Agent Benchmark v1Vals AI–6.7%†
Legal Research BenchVals AI–38.5%†
Tax Agent BenchVals AI–23.7%†
Terminal-Bench 2.0 (Vals)Vals AI58.4%†68.5%†
Arena SearchArena (LMArena)1222†1210
DeepResearch BenchDeepResearch Bench55.3%–
PostTrainBenchEpoch AI Benchmarking Hub–24.3%†
ExploitBenchEpoch AI Benchmarking Hub–26.5%
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†43.8%
Vending-Bench 2Andon Labs8017.6†10936.8
AA-Briefcase v1.1Artificial Analysis–1252†
Design Arena AgenticDesign Arena1196†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†70.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†31.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†86.7%†
ProofBenchVals AI50.0%†54.0%†
LiveBench MathematicsLiveBench89.3%92.8%†
AIME (Vals)Vals AI95.6%†96.3%
AIME 2026MathArena96.7%95.8%†
HMMT February 2026MathArena96.2%93.9%†
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%40.6%†
Arena MathsArena (LMArena)15161490
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†51.7%†
LiveBench 1.0 Data AnalysisLiveBench69.9%78.3%†
MMLU-ProVals AI89.1%†89.9%†
LegalBenchVals AI85.3%†85.3%†
CorpFinVals AI67.0%†66.1%†
TaxEvalVals AI76.0%†75.3%†
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†–
PRBench LegalScale AI SEAL52.3%†–
MultiNRCScale AI SEAL48.3%†–
CaseLaw v2Vals AI62.1%†68.4%
Excel Modeling BenchmarkVals AI–63.7%†
MedCodeVals AI49.1%†54.9%†
MedScribeVals AI86.7%†83.0%†
DrugDiscoveryBenchScale AI SEAL27.7%†–
EBR-benchEpoch AI Benchmarking Hub12.7%†19.1%†
GDP.pdfEpoch AI Benchmarking Hub–21.0%†
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
指令遵循
LiveBench LanguageLiveBench83.3%77.9%†
LiveBench Instruction FollowingLiveBench63.3%66.7%†
IFBenchArtificial Analysis44.6%†58.6%†
MultiChallengeScale AI SEAL56.0%†–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)15111493
人类偏好
Arena TextArena (LMArena)15031494
EQ-Bench 4EQ-Bench1210†1293
EQ-Bench Creative Writing v3EQ-Bench1810†1915
Arena Creative WritingArena (LMArena)14991482
Arena Multi-turnArena (LMArena)15171514
Arena Longer QueriesArena (LMArena)15221508
多模态
Arena VisionArena (LMArena)13161319
MMMU-ProArtificial Analysis72.5%†78.8%†
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†85.5%†
MortgageTaxVals AI68.5%†70.3%†
VTBScale AI SEAL27.5%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub–24.5%
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†33.3%†
长上下文
AA-LCR v1.1Artificial Analysis67.0%†78.7%†
Arena DocumentArena (LMArena)14971494
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†157.4
LiveBench 1.0LiveBench74.5%76.5%†
AA Intelligence Index v4.3.2Artificial Analysis26.4†40.7†
AA Progress Index v1Artificial Analysis274.5†312.5†
Vals RSI IndexVals AI–19.1%†
Vals Multimodal IndexVals AI–67.4%†
安全与诚实
FORTRESSScale AI SEAL20.5%†–
MASKScale AI SEAL96.3%†–

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

变化

  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 4.6 (high):1 项新结果(USAMO 2026)。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 4.6 vs Claude Opus 4.7:常见问题

Claude Opus 4.6 比 Claude Opus 4.7 更好吗?
Claude Opus 4.6 (high) 与 Claude Opus 4.7 的质量不相上下(62.5 比 63.1,在 ±4.5 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 4.6 和 Claude Opus 4.7 哪个更便宜?价格会变吗?
两者价格相同:每百万 token 混合价格 $10.00。两者均未公布价格调整。
编程用 Claude Opus 4.6 还是 Claude Opus 4.7 更好?
Claude Opus 4.6 在编程方面得分更高(类别得分 62 比 61,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 4.6 为 1547,Claude Opus 4.7 为 1555。
Claude Opus 4.6 和 Claude Opus 4.7 哪个更快?
Claude Opus 4.7 输出更快(输出 48 比 35 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都支持 1,000,000 token 的上下文。
更多问题(3)
哪个延迟更低?
Claude Opus 4.7 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.0 秒比 1.1 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Opus 4.6 和 Claude Opus 4.7 的看法一致吗?
在两者都有结果的 13 项基准测试中,Claude Opus 4.6 领先 10 项,Claude Opus 4.7 领先 3 项。所有同时评测两者的综合评分都认为 Claude Opus 4.6 更强。
Claude Opus 4.7 是什么时候发布的?
Claude Opus 4.7 于 2026年4月16日 发布。