BenchLeader

Claude Opus 4.7 vs Step 5 Preview

完整资料:Claude Opus 4.7(Anthropic)和 Step 5 Preview(StepFun),包括全部基准测试、价格和排名。

更新于 · 数据来自 9 个来源

截至 2026年11月16日,质量上 Claude Opus 4.7 领先 Step 5 Preview(BenchLeader Index 63.1 比 56.0)。不过,Step 5 Preview 更便宜,对方的价格是它的 7.0 倍(每百万 token 混合价格 $1.43 比 $10.00)。在两者都有成绩的所有类别中,Claude Opus 4.7 均领先。Step 5 Preview 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 的 BenchLeader Index 为 63.1,Step 5 Preview 为 56.0(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)。
  • Step 5 Preview 每百万 token 混合价格为 $1.43(标价,2026年11月16日)。
  • Step 5 Preview 比 Claude Opus 4.7 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 9 项基准测试中,Claude Opus 4.7 领先 9 项(BenchLeader,2026年11月16日)。

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 4.7类别得分 61 比 50;Arena Coding 1547 比 1505高
智能体与工具调用Claude Opus 4.7类别得分 68 比 49高
数学Claude Opus 4.7类别得分 67 比 60;Arena Maths 1490 比 1470中
推理Claude Opus 4.7类别得分 64 比 52;Arena Hard Prompts 1519 比 1477高
图像及其他媒体Claude Opus 4.7类别得分 67 比 59;Arena Vision 1319 比 1263高
对话质量(人类偏好)Claude Opus 4.7Arena 投票 67 比 63中
成本最低Step 5 Preview每百万 token 混合价格 $1.43 比 $10.00;智能体编程会话 $0.071 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 23.5 秒(Step 5 Preview)–
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 4.7 领先:63.1 比 56.0。
  • Claude Opus 4.7 在智能体与工具、编程、人类偏好、数学、多模态、推理方面更强。
  • Step 5 Preview 更便宜,对方的价格是它的 7.0 倍(每百万 token 混合价格 $1.43 比 $10.00)。
  • Step 5 Preview 的输出速度是对方的 2.6 倍(124 比 48 token/秒)。

概览

规格Claude Opus 4.7Step 5 Preview
提供商AnthropicStepFun
发布日期2026年4月16日2026年9月18日
上下文窗口(token)1,000,0001,000,000
对比时的配置Claude Opus 4.7Step 5 Preview
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$1.00 / $2.70 / $0.105

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 4.7Step 5 Preview领先者
推理63.651.7Claude Opus 4.7
编程60.949.9Claude Opus 4.7
智能体与工具67.949.1Claude Opus 4.7
数学66.760.1Claude Opus 4.7
知识–53.7无法比较
人类偏好67.363.1Claude Opus 4.7
多模态67.159.3Claude Opus 4.7
长上下文–69.0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人类偏好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 4.7, 人类偏好: 67.3Step 5 Preview, 推理: 51.7Step 5 Preview, 编程: 49.9Step 5 Preview, 智能体与工具: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 多模态: 59.3Step 5 Preview, 人类偏好: 63.1

未绘制(测得的模型少于两个):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 9 项基准测试中,Claude Opus 4.7 领先 9 项,Step 5 Preview 领先 0 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。

综合 IndexClaude Opus 4.7Step 5 Preview领先者
BenchLeader Index63.156.0Claude Opus 4.7
Arena Text14941449Claude Opus 4.7

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 4.7Step 5 Preview
每百万 token 混合价格$10.00$1.43
每百万 token 输入 / 输出$5.00 / $25.00$1.00 / $2.70
每百万 token 缓存输入$0.500$0.105
每项任务价格:聊天回复$0.0095$0.0012
每项任务价格:总结一份 30 页的报告$0.075$0.014
每项任务价格:代码编辑$0.068$0.010
每项任务价格:智能体编程会话$0.400$0.071
每项任务价格:结构化信息提取$0.015$0.0025
智能体编程会话(输入大多命中缓存)$0.198$0.030
每项基准测试任务成本(AA Index)–$2.35
每项任务输出 token(AA Index)–113k
其中推理部分–80k
每项任务耗时(AA Index)–15 min
输出速度48 tok/s124 tok/s
首次回答时间1.0 秒23.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–54.4 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)。Step 5 Preview 得分 56.0,首个回答 token 需 24 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 158 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 4.7Step 5 Preview
BenchLeader IndexBenchLeader63.156.0
智能体与工具得分BenchLeader67.949.1
编程得分BenchLeader60.949.9
人类偏好得分BenchLeader67.363.1
数学得分BenchLeader66.760.1
多模态得分BenchLeader67.159.3
推理得分BenchLeader63.651.7
知识得分BenchLeader–53.7
长上下文得分BenchLeader–69.0
混合价格(美元/百万 token)BenchLeader$10.00$1.43
输出速度BenchLeader48 tok/s124 tok/s
首次回答时间BenchLeader1.0 秒23.5 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub86.4%†–
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191477
LiveBench 2.0 ReasoningLiveBench–83.8%†
LiveBench 1.0 ReasoningLiveBench87.2%†–
GPQA Diamond (AA)Artificial Analysis91.4%†–
Humanity's Last Exam (AA)Artificial Analysis42.3%†46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)15341489
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%–
LMCAEpoch AI Benchmarking Hub52.2%†–
DTBenchEpoch AI Benchmarking Hub94.7%†–
ForecastBenchForecastBench62.8%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†58.9%
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%–
显示全部 158 项基准测试
指标发布方Claude Opus 4.7Step 5 Preview
编程
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471505
Arena WebDevArena (LMArena)15551573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveBench 1.0 CodingLiveBench82.1%†–
SciCode (AA)Artificial Analysis–58.9%
LiveCodeBenchVals AI85.1%†–
IOIVals AI–38.1%
SWE-bench (Vals)Vals AI82.0%†–
Code MigrationVals AI43.9%†39.0%
Code Migration v1.1Vals AI–47.0%
ProgramBenchVals AI0.0%†–
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI71.0%†70.4%
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%–
MirrorCodeEpoch AI Benchmarking Hub31.1%†–
ALE-BenchEpoch AI Benchmarking Hub1323.0–
Terminal-Bench 4.0 (AA)Artificial Analysis–33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†–
FrontierCode 1.1 (AA)Artificial Analysis–38.4%
FrontierCode 2.0 (AA)Artificial Analysis–12.0%
智能体与工具
Terminal-BenchTerminal-Bench80.2%–
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†–
Arena AgentArena (LMArena)–-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
LiveBench Agentic CodingLiveBench50.7%†–
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†–
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%–
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis1361†1591
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†55.6%
Analyst Agent (AA)Artificial Analysis43.8%†35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
Finance Agent v2Vals AI51.5%†50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI6.7%†9.2%
Legal Research BenchVals AI38.5%†40.4%
SREBenchVals AI–0.4%
Tax Agent BenchVals AI23.7%†27.3%
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Terminal-Bench ScienceVals AI–2.9%
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–-1.5
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AutomationBenchArtificial Analysis–51.0%
GDP.pdf (AA)Artificial Analysis–14.8%
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis1252†1424
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis–27.6%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub70.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†–
ProofBenchVals AI54.0%†42.0%
LiveBench MathematicsLiveBench92.8%†–
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
Arena MathsArena (LMArena)14901470
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†–
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
LiveBench 1.0 Data AnalysisLiveBench78.3%†–
AA-Omniscience v1.1Artificial Analysis–16.4
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
BioMysteryBenchVals AI–67.4%
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedCodeVals AI54.9%†–
MedScribeVals AI83.0%†–
Public Benefits Bench v1.1Vals AI–58.1%
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指令遵循
LiveBench LanguageLiveBench77.9%†–
LiveBench Instruction FollowingLiveBench66.7%†–
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931450
人类偏好
Arena TextArena (LMArena)14941449
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench1915–
Arena Creative WritingArena (LMArena)14821413
Arena Multi-turnArena (LMArena)15141445
Arena Longer QueriesArena (LMArena)15081461
多模态
Arena VisionArena (LMArena)13191263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis78.8%†76.4%
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
长上下文
AA-LCR v1.1Artificial Analysis78.7%†88.3%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–18.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4–
LiveBench 2.0LiveBench–54.9%†
LiveBench 1.0LiveBench76.5%†–
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis40.7†43.7
AA Progress Index v1Artificial Analysis312.5†318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals RSI IndexVals AI19.1%†–
Vals Science IndexVals AI–29.6%
Vals Multimodal IndexVals AI67.4%†–
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
元数据
AA Openness IndexArtificial Analysis–33.3

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Step 5 Preview:1 项分数修订。
  • Step 5 Preview:7 项分数修订。
  • Claude Opus 4.7:1 项分数修订。
  • Step 5 Preview:2 项新结果(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Step 5 Preview:1 项分数修订。
  • Step 5 Preview:BenchLeader Index 58.0 → 54.7。
  • Step 5 Preview:5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);2 项分数修订;价格 $1.03/M → $2.35/M。
  • Step 5 Preview:3 项分数修订。

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 4.7 vs Step 5 Preview:常见问题

Claude Opus 4.7 比 Step 5 Preview 更好吗?
质量上 Claude Opus 4.7 领先:63.1 比 56.0。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 4.7 总体领先,但请结合你的用途查看各类别得分。
Claude Opus 4.7 和 Step 5 Preview 哪个更便宜?价格会变吗?
目前 Step 5 Preview 更便宜:每百万 token $1.43 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 Step 5 Preview 更好?
Claude Opus 4.7 在编程方面得分更高(类别得分 61 比 50,50 为平均水平)。在两者共同的最主要编程基准测试 Arena Coding 上,Claude Opus 4.7 为 1547,Step 5 Preview 为 1505。
Claude Opus 4.7 和 Step 5 Preview 哪个更快?
Step 5 Preview 输出更快(3 倍以上;输出 124 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 Step 5 Preview 更好?
Claude Opus 4.7 在智能体任务方面得分更高(类别得分 68 比 49,50 为平均水平)。
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 23.5 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 Step 5 Preview 的看法一致吗?
在两者都有结果的 9 项基准测试中,Claude Opus 4.7 领先 9 项,Step 5 Preview 领先 0 项。所有同时评测两者的综合评分都认为 Claude Opus 4.7 更强。
Step 5 Preview 是什么时候发布的?
Step 5 Preview 于 2026年9月18日 发布。