Claude Opus 4
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
- 综合 Index56
- 推理48
- 编程58
- 智能体与工具61
- 数学65
- 知识49
- 指令遵循55
- 人类偏好60
- 多模态55
- 长上下文59
嵌入这个排名
更多徽章样式[](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。
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 5.5max | 2026年9月22日 | 68.4 | #4 |
| Claude Opus 5max | 2026年7月24日 | 65.0 | #23 |
| Claude Opus 4.8max | 2026年5月28日 | 61.1 | #67 |
| Claude Opus 4.7 | 2026年4月16日 | 63.1 | #43 |
| Claude Opus 4.6high | 2026年2月5日 | 62.5 | #50 |
| Claude Opus 4.5high | 2025年11月24日 | 59.7 | #98 |
| Claude Opus 4.1thinking | 2025年8月5日 | 58.1 | #137 |
| Claude Opus 4thinking本页 | 2025年5月22日 | 55.7 | #202 |
| Claude 3 Opus | 2024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。
Index 走势
2026年9月8日 至 2026年11月16日- 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%#154 | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam推理强度未说明 | – | – | 10.7%#30 | Scale AI / CAIS | |
| SimpleBench推理强度未说明 | – | – | 58.8%#48 | SimpleBench | |
| Arena Hard Prompts | – | 1457#107 | 1436#135 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 70.1%#301 | 79.6%#200 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 6.2%#427 | 12.3%#298 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index推理强度未说明 | – | – | 71.7%#88 | Vals AI | |
| Kagi LLM Benchmark | – | 74.3%#15 | 59.6%#52 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index | – | 70.9%#9 | 66.6%#15 | HELM Capabilities | |
| ARC-AGI-1 | – | 35.7%#207 | 22.5%#224 | ARC Prize | |
| ARC-AGI-2 | – | 8.6%#172 | 1.3%#226 | ARC Prize | |
| Arena Expert不计入 Index | – | 1450#118 | 1435#138 | Arena (LMArena) | |
| LMCA不计入 Index推理强度未说明 | – | – | 37.4%#125 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | 81.6%#132 | Epoch 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%#25 | Epoch AI Benchmarking Hub | |
| WeirdML推理强度未说明 | – | – | 43.7%#86 | WeirdML | |
| GSO-Bench推理强度未说明 | – | – | 6.9%#23 | GSO-Bench | |
| Arena Coding | – | 1499#85 | 1465#128 | Arena (LMArena) | |
| LiveCodeBench | – | 70.2%#89 | 62.6%#101 | Vals AI | |
| Aider Polyglot | 70.7%#15 | 72.0%#12 | – | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only)推理强度未说明 | – | – | 67.6%#16 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index推理强度未说明 | – | – | 73.2%#9 | SWE-bench | |
| AlgoTune不计入 Index推理强度未说明 | – | – | 1.3#17 | AlgoTune | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | 1157#119 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 54.2%#128 | 63.6%#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%#7 | Cybench | |
| Terminal-Bench Hard | 31.1%#109 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 73.4%#147 | – | Artificial Analysis | |
| Arena Search不计入 Index推理强度未说明 | – | 1152#35 | Arena (LMArena) | |
| DeepResearch Bench不计入 Index推理强度未说明 | – | 46.8%#26 | DeepResearch Bench | |
| METR Time Horizons不计入 Index推理强度未说明 | – | 63.9%#16 | METR | |
| BrowseComp-Plus不计入 Index推理强度未说明 | – | 15.5%#12 | BrowseComp-Plus | |
| BrowseComp不计入 Index推理强度未说明 | – | 1.0%#18 | OpenAI |
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%#167 | Epoch AI Benchmarking Hub | |
| MATH Level 5推理强度未说明 | – | – | 85.0%#27 | Epoch AI Benchmarking Hub | |
| AIME (Vals)推理强度未说明 | – | – | 41.3%#68 | Vals AI | |
| MGSM推理强度未说明 | – | – | 93.8%#8 | Vals AI | |
| Omni-MATH (HELM) | – | 61.6%#8 | 51.1%#18 | HELM Capabilities | |
| MATH 500不计入 Index推理强度未说明 | – | – | 90.4%#24 | Vals AI | |
| Arena Maths | – | 1421#124 | 1403#150 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 36.3%#163 | 73.3%#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%#47 | Vals AI | |
| LegalBench推理强度未说明 | – | 83.1%#60 | Vals AI | |
| TaxEval推理强度未说明 | – | 71.9%#68 | Vals AI | |
| MedQA推理强度未说明 | – | 92.9%#26 | Vals AI | |
| MultiNRC | 33.9%#22 | 29.0%#24 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index | 87.5%#2 | 85.9%#6 | HELM Capabilities |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 43.3%#228 | 53.7%#156 | – | Artificial Analysis | |
| MultiChallenge | – | 58.6%#19 | – | Scale AI SEAL | |
| TutorBench | – | 49.7%#19 | 45.5%#25 | Scale AI SEAL | |
| IFEval (HELM) | – | 84.9%#21 | 91.8%#7 | HELM Capabilities | |
| WildBench (HELM) | – | 85.2%#12 | 83.3%#18 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | – | 1444#76 | 1415#123 | Arena (LMArena) |
人类偏好
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1426#119 | 1414#141 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1578#49 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1433#69 | 1417#89 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1439#108 | 1431#117 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1466#68 | 1448#96 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index推理强度未说明 | – | 83.6%#7 | Lech Mazur |
多模态
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Vision | 1192#97 | 1175#105 | Arena (LMArena) | |
| VISTA | 47.0%#18 | 43.5%#32 | Scale AI SEAL | |
| MMMU-Pro (Vals)不计入 Index推理强度未说明 | – | 73.3%#59 | Vals AI | |
| MortgageTax不计入 Index推理强度未说明 | – | 58.6%#67 | Vals AI | |
| GeoBench不计入 Index推理强度未说明 | – | 49.0%#39 | GeoBench | |
| VPCT不计入 Index推理强度未说明 | – | 38.0%#21 | Epoch 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%#27 | Fiction.live | |
| AA-LCR v1.1 | 69.3%#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#102 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 16.6#283 | 20.6#235 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 200.6#413 | 233.9#307 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | – | 78.0%#8 | 75.7%#13 | HELM Capabilities |
安全与诚实
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FORTRESS不计入 Index | 24.8%#46 | 27.6%#54 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 87.9%#10 | 80.3%#24 | Scale 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
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。
[](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}
}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。