BenchLeader

Claude Opus 4.7 vs Claude Opus 5.5

完整资料:Claude Opus 4.7(Anthropic)和 Claude Opus 5.5(Anthropic),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 Claude Opus 5.5 领先 Claude Opus 4.7(BenchLeader Index 68.4 比 63.1)。Claude Opus 5.5 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $8.00 比 $10.00)。看重智能体与工具(68 比 61)选 Opus 4.7;看重编程(79 比 61)、推理(72 比 64)和数学(73 比 67)选 Opus 5.5。Opus 4.7 的首次回答更快(1.0 秒 比 380.2 秒)。Opus 5.5 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,Claude Opus 5.5 为 68.4(BenchLeader,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 5.5 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Claude Opus 5.5 比 Claude Opus 4.7 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 3 项基准测试中,Claude Opus 5.5 领先 2 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 4.7 的评分为 1555,Claude Opus 5.5 为 1815(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 5.5类别得分 79 比 61;Arena WebDev 1815 比 1555高
智能体与工具调用Claude Opus 4.7类别得分 68 比 61;Terminal-Bench 80.2% 比 65.8%中
数学Claude Opus 5.5类别得分 73 比 67中
推理Claude Opus 5.5类别得分 72 比 64;Mystery Game Puzzles 71.0% 比 13.0%高
图像及其他媒体Claude Opus 5.5类别得分 70 比 67中
对话质量(人类偏好)–只有 Claude Opus 4.7 有 Arena 评分(类别得分 67)无法比较
成本最低Claude Opus 5.5每百万 token 混合价格 $8.00 比 $10.00;智能体编程会话 $0.320 比 $0.400–
首次回答最快Claude Opus 4.7首个回答 token 1.0 秒(Claude Opus 4.7)比 380.2 秒(Claude Opus 5.5 (max))–
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

  • 质量上 Claude Opus 5.5 (max) 领先:68.4 比 63.1。
  • Claude Opus 4.7 在智能体与工具方面更强。
  • Claude Opus 5.5 (max) 在编程、数学、多模态、推理方面更强。
  • Claude Opus 5.5 (max) 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $8.00 比 $10.00)。
  • Claude Opus 5.5 (max) 的输出速度是对方的 2.4 倍(116 比 48 token/秒)。

概览

规格Claude Opus 4.7Claude Opus 5.5
提供商AnthropicAnthropic
发布日期2026年4月16日2026年9月22日
上下文窗口(token)1,000,0001,000,000
最大输出(token)–128,000 (up to 300K on the Message Batches API (beta))
输入类型–文本、图像
推理强度设置–low, medium, high, xhigh, max
对比时的配置Claude Opus 4.7Claude Opus 5.5 (max)
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$4.00 / $20.00 / $0.200
API 模型 ID–claude-opus-5-5
使用渠道–Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry

上限、可用性和已公布的价格均来自厂商官方页面: platform.claude.com (2026年10月20日 核实)。其余内容均来自当日数据。

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 4.7Claude Opus 5.5 (max)领先者
推理63.672.1Claude Opus 5.5
编程60.978.8Claude Opus 5.5
智能体与工具67.961.3Claude Opus 4.7
数学66.773.2Claude Opus 5.5
知识–72.5无法比较
人类偏好67.3–无法比较
多模态67.170.2Claude Opus 5.5
长上下文–67.1无法比较
综合–70.2无法比较

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推理编程智能体与工具数学多模态Claude Opus 4.7, 推理: 63.6Claude Opus 4.7, 编程: 60.9Claude Opus 4.7, 智能体与工具: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 多模态: 67.1Claude Opus 5.5, 推理: 72.1Claude Opus 5.5, 编程: 78.8Claude Opus 5.5, 智能体与工具: 61.3Claude Opus 5.5, 数学: 73.2Claude Opus 5.5, 多模态: 70.2

未绘制(测得的模型少于两个):知识, 指令遵循, 长上下文, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 3 项基准测试中,Claude Opus 4.7 领先 1 项,Claude Opus 5.5 领先 2 项。所有同时评测两者的综合评分都认为 Claude Opus 5.5 更强。

综合 IndexClaude Opus 4.7Claude Opus 5.5 (max)领先者
BenchLeader Index63.168.4Claude Opus 5.5
Arena Text14941507†Claude Opus 5.5

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 4.7Claude Opus 5.5 (max)
每百万 token 混合价格$10.00$8.00
每百万 token 输入 / 输出$5.00 / $25.00$4.00 / $20.00
每百万 token 缓存输入$0.500$0.200
每项任务价格:聊天回复$0.0095$0.0076
每项任务价格:总结一份 30 页的报告$0.075$0.060
每项任务价格:代码编辑$0.068$0.054
每项任务价格:智能体编程会话$0.400$0.320
每项任务价格:结构化信息提取$0.015$0.012
智能体编程会话(输入大多命中缓存)$0.198$0.149
每项基准测试任务成本(AA Index)–$10.04
每项任务输出 token(AA Index)–173k
其中推理部分–120k
每项任务耗时(AA Index)–25 min
输出速度48 tok/s116 tok/s
首次回答时间1.0 秒380.2 秒
完整回答耗时(最近一次测量 2026年11月13日)–711.4 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 4.7 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)。Claude Opus 5.5 (max) 得分 68.4,首个回答 token 需 380 秒;Claude Opus 5.5 (high) 为 66.0(26 秒),Claude Opus 5.5 (xhigh) 为 65.4(78 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 200 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 4.7Claude Opus 5.5 (max)
BenchLeader IndexBenchLeader63.168.4
智能体与工具得分BenchLeader67.961.3
编程得分BenchLeader60.978.8
人类偏好得分BenchLeader67.3–
数学得分BenchLeader66.773.2
多模态得分BenchLeader67.170.2
推理得分BenchLeader63.672.1
综合得分BenchLeader–70.2
知识得分BenchLeader–72.5
长上下文得分BenchLeader–67.1
混合价格(美元/百万 token)BenchLeader$10.00$8.00
输出速度BenchLeader48 tok/s116 tok/s
首次回答时间BenchLeader1.0 秒380.2 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†90.6%
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%88.4%†
Arena Hard PromptsArena (LMArena)15191530†
LiveBench 2.0 ReasoningLiveBench–92.2%
LiveBench 1.0 ReasoningLiveBench87.2%†92.2%
GPQA Diamond (AA)Artificial Analysis91.4%†–
Humanity's Last Exam (AA)Artificial Analysis42.3%†61.4%
HLE-Diamond (AA)Artificial Analysis–67.9%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-1ARC Prize–97.5%
ARC-AGI-2ARC Prize–91.7%
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†31.7%
CritPt v2 hard subset (AA)Artificial Analysis–68.0%
MysteryMechanismVals AI–49.5%
HLE-Diamond (Scale)Scale AI SEAL–55.0%†
Arena ExpertArena (LMArena)15341545†
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†67.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%71.0%
LMCAEpoch AI Benchmarking Hub52.2%†68.2%
DTBenchEpoch AI Benchmarking Hub94.7%†98.9%
ForecastBenchForecastBench62.8%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
显示全部 200 项基准测试
指标发布方Claude Opus 4.7Claude Opus 5.5 (max)
编程
SciCodeSciCode54.5%†66.9%
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%54.6%†
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471548†
Arena WebDevArena (LMArena)15551815
LiveBench 2.0 CodingLiveBench–87.1%
LiveBench 1.0 CodingLiveBench82.1%†89.3%
SciCode (AA)Artificial Analysis–66.9%
LiveCodeBenchVals AI85.1%†–
IOIVals AI–95.1%
SWE-bench (Vals)Vals AI82.0%†–
Code MigrationVals AI43.9%†66.7%
Code Migration v1.1Vals AI–81.0%
ProgramBenchVals AI0.0%†18.5%
SWE-bench MultimodalVals AI–70.2%
Vibe Code Bench 1-100Vals AI–30.4%†
Vibe Code Bench v1.1Vals AI71.0%†90.3%
Vibe Code Bench 1-100 v1.1Vals AI–30.9%
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%–
SWE Atlas v1.1Scale AI SEAL–77.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–77.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–77.8%†
SWE Atlas v1.1: RefactoringScale AI SEAL–77.1%†
MirrorCodeEpoch AI Benchmarking Hub31.1%†95.6%
CursorBenchCursor–57.8%
ALE-BenchEpoch AI Benchmarking Hub1323.02147.4†
FrontierSWEEpoch AI Benchmarking Hub–62.3%
WeirdML v3WeirdML–31.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis–59.6%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†–
Startrise FrontendStartrise–80.2%†
GameBench 2 OverallDuelLab GameBench 2–87.6†
GameBench 2 by reasoning settingDuelLab GameBench 2–94.8†
Design Arena WebsiteDesign Arena–1326†
FrontierCode 1.1 (AA)Artificial Analysis–52.2%
FrontierCode 2.0 (AA)Artificial Analysis–46.4%
智能体与工具
Terminal-BenchTerminal-Bench80.2%65.8%
OSWorld-Verified 2.0OSWorld18.2%†–
Remote Labor IndexScale AI / CAIS–21.3%†
APEX-AgentsMercor49.2%†73.5%
Arena AgentArena (LMArena)–19.5
LiveBench Long AgenticLiveBench–72.8%
LiveBench BrowserLiveBench–88.4%
LiveBench Agentic CodingLiveBench50.7%†71.7%
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†87.6%†
MCP AtlasScale AI SEAL79.1%†85.4%†
HiL-BenchScale AI SEAL41.7%59.0%†
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–68.3%
GDPval-AA v2.1Artificial Analysis1361†1866
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†38.2%
Analyst Agent (AA)Artificial Analysis43.8%†56.3%
CUA-benchVals AI–14.0%
CyberBenchVals AI–55.4%
Finance Agent v2Vals AI51.5%†58.6%
Finance Agent v2.1Vals AI–67.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–9.2%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†3.8%
Legal Research BenchVals AI38.5%†50.5%
Robo-benchVals AI–14.6%
SREBenchVals AI–33.6%
Tax Agent BenchVals AI23.7%†44.5%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–65.2%
Terminal-Bench ScienceVals AI–47.1%
Time Horizon Index: KSPVals AI–91.3%
Web Search IndexVals AI–53.8%
Arena SearchArena (LMArena)12101213†
Arena Agent Task CompletionArena (LMArena)–20.7
PostTrainBenchEpoch AI Benchmarking Hub24.3%†43.8%
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.89235.3†
SpireClimbEpoch AI Benchmarking Hub–5.8%
AutomationBenchArtificial Analysis–69.5%
GDP.pdf (AA)Artificial Analysis–26.2%
Harvey LAB-AA v1.1Harvey–4.2%
AA-Briefcase v1.1Artificial Analysis1252†1801
GDPxGDPx by SemiAnalysis–12.0%
Design Arena AgenticDesign Arena–1339†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–59.0%
CWE-Bench (AA)Artificial Analysis–58.3%
DeepSec-Bench (AA)Artificial Analysis–26.9%
CyberGym end-to-end (AA)Artificial Analysis–0.8%
MKA (AA)Artificial Analysis–53.0%
FACTS SearchGoogle–88.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†91.2%
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†95.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†100.0%
ProofBenchVals AI54.0%†100.0%
LiveBench MathematicsLiveBench92.8%†97.1%
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
ArXivMathMathArena–82.6%†
BrokenArXivMathArena–77.3%†
Arena MathsArena (LMArena)14901514†
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†72.2%
LiveBench 2.0 Data AnalysisLiveBench–80.3%
LiveBench ResearchLiveBench–88.9%
LiveBench 1.0 Data AnalysisLiveBench78.3%†80.3%
AA-Omniscience v1.1Artificial Analysis–48.1
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
PRBench LegalScale AI SEAL–47.6%†
BioMysteryBenchVals AI–79.3%
CaseLaw v2Vals AI68.4%–
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI63.7%†75.9%
Excel Modeling Benchmark v1.1Vals AI–75.8%
MedCodeVals AI54.9%†49.8%
MedScribeVals AI83.0%†91.4%
Public Benefits Bench v1.1Vals AI–70.6%
Access to Justice BenchmarkVals AI–73.8%
Financial Coaching BenchVals AI–76.2%
Immigration BenchVals AI–72.1%
EBR-benchEpoch AI Benchmarking Hub19.1%†71.4%
GDP.pdfEpoch AI Benchmarking Hub21.0%†30.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–65.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–49.7%
HealthBench Professional (AA)OpenAI–59.9%
FACTS ParametricGoogle–58.7%†
指令遵循
LiveBench LanguageLiveBench77.9%†86.3%
LiveBench Instruction FollowingLiveBench66.7%†65.7%
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931518†
人类偏好
Arena TextArena (LMArena)14941507†
EQ-Bench 4EQ-Bench12931340†
EQ-Bench Creative Writing v3EQ-Bench19152051†
Arena Creative WritingArena (LMArena)14821517†
Arena Multi-turnArena (LMArena)15141502†
Arena Longer QueriesArena (LMArena)15081520†
多模态
Arena VisionArena (LMArena)13191324†
LiveBench DesignLiveBench–83.3%
MMMU-ProArtificial Analysis78.8%†87.7%
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
SAGEVals AI–91.3%
Humanity's Sixth SenseScale AI SEAL–44.6%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%51.2%†
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†83.3%
VIALS-AAHandshake AI–61.5%
Code2Video-AAArtificial Analysis–1536
AA-3DArtificial Analysis–1202
FACTS MultimodalGoogle–56.4%†
长上下文
AA-LCR v1.1Artificial Analysis78.7%†84.7%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–27.8%
FACTS GroundingGoogle–62.5%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4168.5†
LiveBench 2.0LiveBench–83.4%
LiveBench 1.0LiveBench76.5%†83.2%
AA Intelligence Index v5.0.1Artificial Analysis–59.1
AA Intelligence Index v4.3.2Artificial Analysis40.7†57.6
AA Progress Index v1Artificial Analysis312.5†350
Vals IndexVals AI–70.1
Vals Finance IndexVals AI–65.3%
Vals RSI IndexVals AI19.1%†37.3%
Vals Science IndexVals AI–58.6%
Vals Multimodal IndexVals AI67.4%†–
Vals Router IndexVals AI–64.2%†
Vals Legal IndexVals AI–72.4%
AA Cyber IndexArtificial Analysis–28.7
安全与诚实
FORTRESSScale AI SEAL–5.8%
DistressBenchScale AI SEAL–75.6%†

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。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Claude Opus 5.5 (max):38 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • Claude Opus 5.5 (max):BenchLeader Index 69.3 → 68.8。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Opus 4.7:1 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):2 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 4.7 vs Claude Opus 5.5:常见问题

Claude Opus 5.5 比 Claude Opus 4.7 更好吗?
质量上 Claude Opus 5.5 (max) 领先:68.4 比 63.1。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Opus 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 4.7 和 Claude Opus 5.5 哪个更便宜?价格会变吗?
目前 Claude Opus 5.5 更便宜:每百万 token $8.00 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 4.7 还是 Claude Opus 5.5 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 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 4.7 为 1555,Claude Opus 5.5 为 1815。
Claude Opus 4.7 和 Claude Opus 5.5 哪个更快?
Claude Opus 5.5 输出更快(约 2 倍;输出 116 比 48 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 4.7 还是 Claude Opus 5.5 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 比 61,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 4.7 为 80.2%,Claude Opus 5.5 为 65.8%。
更多问题(4)
处理长文档哪个更好?
两者都支持 1,000,000 token 的上下文。
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 380.2 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 4.7 和 Claude Opus 5.5 的看法一致吗?
在两者都有结果的 3 项基准测试中,Claude Opus 4.7 领先 1 项,Claude Opus 5.5 领先 2 项。所有同时评测两者的综合评分都认为 Claude Opus 5.5 更强。
Claude Opus 5.5 是什么时候发布的?
Claude Opus 5.5 于 2026年9月22日 发布。