BenchLeader

Claude Opus 4

推理强度
质量第 99 / 339 名
55.7Index
高于中位数
较中位数 +5.5
价格第 248 / 255 名
$30.00每百万 token
最贵的四分之一
中位数的 35 倍
性价比第 249 / 255 名
1.9分/$
后四分之一
中位数的 0.0 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 217 分之一。

有 85 个更便宜的已排名模型得分更高:Claude Fable 5.2 (72.7, $16.00)、Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00),另有 82 个。

截至 2026年11月16日,Claude Opus 4(Anthropic)在 BenchLeader Index 上得分 55.7(共 608 个已排名配置)。表现最好的是数学(65),最弱的是推理(48)。API 价格为输入每百万 token $15.00、输出每百万 token $75.00(按 3:1 混合为 $30.00),为 2026年11月16日的标价。发布于 2025年5月22日。

要点(截至 2026年11月16日)

  • Claude Opus 4 的 API 价格为输入每百万 token $15.00、输出每百万 token $75.00(按 3:1 混合为 $30.00)(标价,2026年11月16日)。
  • Claude Opus 4 于 2025年5月22日发布(Anthropic)。

详细说明:Claude Opus 4 是 Anthropic 的闭源推理模型,发布于 2025年5月22日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 55.7 ±4.0,在 608 个配置中排第 202 名,处于上半区。关键在于这个“±”:另有 268 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(65),推理最低(48)。按混合价格计,每百万 token $30.00,属于已排名模型中最贵的一档。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$30.00/M
输入 $15.00 · 输出 $75.00
来源:Artificial Analysis
输出速度
–
首次回答
–
上下文
200k
来源:models.dev
单任务成本
–
单任务 token 数
–
发布日期
2025年5月22日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index56
  2. 推理48
  3. 编程58
  4. 智能体与工具61
  5. 数学65
  6. 知识49
  7. 指令遵循55
  8. 人类偏好60
  9. 多模态55
  10. 长上下文59

嵌入这个排名

更多徽章样式
[![Claude Opus 4 on BenchLeader: 综合第 98 名](https://www.benchleader.com/badge/claude-opus-4.svg?style=compact)](https://www.benchleader.com/models/claude-opus-4)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Anthropic 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

Anthropic 以这个名称发布过 9 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
Claude Opus 5.5max2026年9月22日68.4#4
Claude Opus 5max2026年7月24日65.0#23
Claude Opus 4.8max2026年5月28日61.1#67
Claude Opus 4.72026年4月16日63.1#43
Claude Opus 4.6high2026年2月5日62.5#50
Claude Opus 4.5high2025年11月24日59.7#98
Claude Opus 4.1thinking2025年8月5日58.1#137
Claude Opus 4thinking本页2025年5月22日55.7#202
Claude 3 Opus2024年3月4日38.8#554

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
无推理––––$0.029编程 64 · 指令遵循 46
thinking最佳55.7#202––$0.029智能体与工具 61 · 编程 58 · 人类偏好 60 · 指令遵循 55 · 知识 49 · 长上下文 59 · 数学 65 · 多模态 55 · 推理 48
未说明51.9#294––$0.029智能体与工具 56 · 编程 50 · 人类偏好 59 · 指令遵循 58 · 知识 55 · 长上下文 37 · 数学 57 · 多模态 51 · 推理 46

Index 走势

2026年9月8日 至 2026年11月16日
475460
  • thinking
  • 默认

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

推理

基准测试无推理thinking默认来源趋势
GPQA Diamond推理强度未说明––76.3%#154Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明––10.7%#30Scale AI / CAIS
SimpleBench推理强度未说明––58.8%#48SimpleBench
Arena Hard Prompts–1457#1071436#135Arena (LMArena)
GPQA Diamond (AA)不计入 Index70.1%#30179.6%#200–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index6.2%#42712.3%#298–Artificial Analysis
GPQA Diamond (Vals)不计入 Index推理强度未说明––71.7%#88Vals AI
Kagi LLM Benchmark–74.3%#1559.6%#52Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index–70.9%#966.6%#15HELM Capabilities
ARC-AGI-1–35.7%#20722.5%#224ARC Prize
ARC-AGI-2–8.6%#1721.3%#226ARC Prize
Arena Expert不计入 Index–1450#1181435#138Arena (LMArena)
LMCA不计入 Index推理强度未说明––37.4%#125Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明––81.6%#132Epoch AI Benchmarking Hub

编程

基准测试无推理thinking默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明––70.7%#25Epoch AI Benchmarking Hub
WeirdML推理强度未说明––43.7%#86WeirdML
GSO-Bench推理强度未说明––6.9%#23GSO-Bench
Arena Coding–1499#851465#128Arena (LMArena)
LiveCodeBench–70.2%#8962.6%#101Vals AI
Aider Polyglot70.7%#1572.0%#12–Aider polyglot leaderboard
SWE-bench Verified (bash only)推理强度未说明––67.6%#16SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明––73.2%#9SWE-bench
AlgoTune不计入 Index推理强度未说明––1.3#17AlgoTune
Design Arena Website不计入 Index推理强度未说明––1157#119Design Arena
LiveCodeBench (AA)不计入 Index54.2%#12863.6%#99–Artificial Analysis

智能体与工具

基准测试thinking默认来源趋势
Cybench推理强度未说明–38.0%#7Cybench
Terminal-Bench Hard31.1%#109–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index73.4%#147–Artificial Analysis
Arena Search不计入 Index推理强度未说明–1152#35Arena (LMArena)
DeepResearch Bench不计入 Index推理强度未说明–46.8%#26DeepResearch Bench
METR Time Horizons不计入 Index推理强度未说明–63.9%#16METR
BrowseComp-Plus不计入 Index推理强度未说明–15.5%#12BrowseComp-Plus
BrowseComp不计入 Index推理强度未说明–1.0%#18OpenAI

数学

基准测试无推理thinking默认来源趋势
OTIS Mock AIME推理强度未说明––64.4%#167Epoch AI Benchmarking Hub
MATH Level 5推理强度未说明––85.0%#27Epoch AI Benchmarking Hub
AIME (Vals)推理强度未说明––41.3%#68Vals AI
MGSM推理强度未说明––93.8%#8Vals AI
Omni-MATH (HELM)–61.6%#851.1%#18HELM Capabilities
MATH 500不计入 Index推理强度未说明––90.4%#24Vals AI
Arena Maths–1421#1241403#150Arena (LMArena)
AIME 2025 (AA)不计入 Index36.3%#16373.3%#82–Artificial Analysis

知识

基准测试thinking默认来源趋势
MMLU-Pro推理强度未说明–86.2%#47Vals AI
LegalBench推理强度未说明–83.1%#60Vals AI
TaxEval推理强度未说明–71.9%#68Vals AI
MedQA推理强度未说明–92.9%#26Vals AI
MultiNRC33.9%#2229.0%#24Scale AI SEAL
MMLU-Pro (HELM)不计入 Index87.5%#285.9%#6HELM Capabilities

指令遵循

基准测试无推理thinking默认来源趋势
IFBench43.3%#22853.7%#156–Artificial Analysis
MultiChallenge–58.6%#19–Scale AI SEAL
TutorBench–49.7%#1945.5%#25Scale AI SEAL
IFEval (HELM)–84.9%#2191.8%#7HELM Capabilities
WildBench (HELM)–85.2%#1283.3%#18HELM Capabilities
Arena Instruction Following不计入 Index–1444#761415#123Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text1426#1191414#141Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1578#49EQ-Bench
Arena Creative Writing不计入 Index1433#691417#89Arena (LMArena)
Arena Multi-turn不计入 Index1439#1081431#117Arena (LMArena)
Arena Longer Queries不计入 Index1466#681448#96Arena (LMArena)
Lech Mazur Creative Writing不计入 Index推理强度未说明–83.6%#7Lech Mazur

多模态

基准测试thinking默认来源趋势
Arena Vision1192#971175#105Arena (LMArena)
VISTA47.0%#1843.5%#32Scale AI SEAL
MMMU-Pro (Vals)不计入 Index推理强度未说明–73.3%#59Vals AI
MortgageTax不计入 Index推理强度未说明–58.6%#67Vals AI
GeoBench不计入 Index推理强度未说明–49.0%#39GeoBench
VPCT不计入 Index推理强度未说明–38.0%#21Epoch AI Benchmarking Hub

长上下文

基准测试thinking默认来源趋势
Fiction.LiveBench 120k推理强度未说明–37.5%#27Fiction.live
AA-LCR v1.169.3%#243–Artificial Analysis

综合

基准测试无推理thinking默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––142.9#102Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index16.6#28320.6#235–Artificial Analysis
AA Progress Index v1不计入 Index200.6#413233.9#307–Artificial Analysis
HELM Capabilities mean不计入 Index–78.0%#875.7%#13HELM Capabilities

安全与诚实

基准测试thinking默认来源趋势
FORTRESS不计入 Index24.8%#4627.6%#54Scale AI SEAL
MASK不计入 Index可能存在污染87.9%#1080.3%#24Scale AI SEAL

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $1.50。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.029$0.025–
总结一份 30 页的报告12,000 / 600$0.225$0.103–
代码编辑6,000 / 1,500$0.203$0.142–
智能体编程会话60,000 / 4,000$1.20$0.593–
结构化信息提取2,000 / 200$0.045$0.025–

Anthropic 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Claude Opus 4 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Claude Opus 4 on BenchLeader: 综合第 98 名](https://www.benchleader.com/badge/claude-opus-4.svg)](https://www.benchleader.com/models/claude-opus-4)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Claude Opus 4 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-opus-4

BibTeX:

@misc{benchleader_claude_opus_4_20261116,
  author       = {{BenchLeader}},
  title        = {{Claude Opus 4 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/claude-opus-4}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Claude Opus 4 的基准测试得分是多少?
截至 2026年11月16日,Claude Opus 4(推理强度 thinking)的 BenchLeader Index 为 55.7 ±4.0。最强的是数学(65),最弱的是推理(48)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Claude Opus 4 排名第几?
截至 2026年11月16日,Claude Opus 4(推理强度 thinking)在 608 个已排名配置中排第 202 名。另有 268 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Claude Opus 4 每百万 token 的价格是多少?
截至 2026年11月16日,Claude Opus 4 的价格为输入每百万 token $15.00、输出每百万 token $75.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $30.00。
Claude Opus 4 是什么时候发布的?
Anthropic 于 2025年5月22日发布了 Claude Opus 4。BenchLeader 收录了它在 3 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Claude Opus 4:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/claude-opus-4。