BenchLeader

Claude Opus 4.1

推理强度
质量第 65 / 339 名
58.1Index
前四分之一
较中位数 +7.9
价格第 248 / 255 名
$30.00每百万 token
最贵的四分之一
中位数的 35 倍
速度第 215 / 216 名
14token/秒
后四分之一
中位数的 0.2 倍
性价比第 248 / 255 名
1.9分/$
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 55 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 52 个。

截至 2026年11月16日,Claude Opus 4.1(Anthropic)在 BenchLeader Index 上得分 58.1(共 608 个已排名配置)。表现最好的是推理(64),最弱的是编程(53)。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。输出速度约为 14 token/秒(OpenRouter)。发布于 2025年8月5日。

要点(截至 2026年11月16日)

  • Claude Opus 4.1 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 4.1 的输出速度约为 14 token/秒(OpenRouter,2026年11月16日)。
  • Claude Opus 4.1 于 2025年8月5日发布(Anthropic)。

详细说明:Claude Opus 4.1 是 Anthropic 的闭源推理模型,发布于 2025年8月5日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 58.1 ±2.5,在 608 个配置中排第 137 名,处于上半区。关键在于这个“±”:另有 228 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,推理得分最高(64),编程最低(53)。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。输出速度为 14 token/秒,首 token 延迟 3.4 秒,位于最慢的四分之一。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
14 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
3.37 s
上下文
200k
来源:OpenRouter
单任务成本
–
单任务 token 数
–
发布日期
2025年8月5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 Index58
  2. 推理64
  3. 编程53
  4. 智能体与工具64
  5. 数学61
  6. 知识58
  7. 指令遵循53
  8. 人类偏好63
  9. 多模态56
  10. 长上下文63

嵌入这个排名

更多徽章样式
[![Claude Opus 4.1 on BenchLeader: 综合第 65 名](https://www.benchleader.com/badge/claude-opus-4-1.svg?style=compact)](https://www.benchleader.com/models/claude-opus-4-1)

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 4.1thinking本页2025年8月5日58.1#137
Claude Opus 4thinking2025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––14 tok/s3.37 s$0.029
thinking最佳58.1#13714 tok/s3.37 s$0.029智能体与工具 64 · 编程 53 · 人类偏好 63 · 指令遵循 53 · 知识 58 · 长上下文 63 · 数学 61 · 多模态 56 · 推理 64
未说明51.1#32214 tok/s3.37 s$0.029智能体与工具 55 · 编程 48 · 人类偏好 63 · 指令遵循 40 · 知识 49 · 数学 46 · 多模态 56 · 推理 53

Index 走势

2026年9月8日 至 2026年11月16日
495561
  • 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thinking默认来源趋势
GPQA Diamond推理强度未说明–77.3%#148Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明–11.5%#29Scale AI / CAIS
SimpleBench推理强度未说明–60.0%#47SimpleBench
Arena Hard Prompts1480#691478#70Arena (LMArena)
GPQA Diamond (AA)不计入 Index80.9%#191–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index12.5%#297–Artificial Analysis
GPQA Diamond (Vals)不计入 Index76.3%#7670.0%#92Vals AI
CritPt不计入 Index0.0%#337–Artificial Analysis
SciPredict不计入 Index推理强度未说明–22.2%#4Scale AI SEAL
Arena Expert不计入 Index1482#741465#101Arena (LMArena)
Mystery Game Puzzles不计入 Index推理强度未说明–21.0%#62Epoch AI Benchmarking Hub
LMCA不计入 Index推理强度未说明–37.1%#127Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明–80.0%#140Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明–64.4%#24ForecastBench

编程

基准测试thinking默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明–73.3%#20Epoch AI Benchmarking Hub
WeirdML推理强度未说明–45.9%#82WeirdML
Arena Coding1511#571505#70Arena (LMArena)
Arena WebDev推理强度未说明–1389#107Arena (LMArena)
LiveCodeBench66.5%#9664.6%#99Vals AI
SWE-Bench Pro (private)不计入 Index推理强度未说明–17.8%#10Scale AI SEAL
ALE-Bench不计入 Index推理强度未说明–674.8#100Epoch AI Benchmarking Hub
AlgoTune不计入 Index推理强度未说明–1.3#16AlgoTune
Design Arena Website不计入 Index1169#1091156#120Design Arena
LiveCodeBench (AA)不计入 Index65.3%#89–Artificial Analysis

智能体与工具

基准测试thinking默认来源趋势
Terminal-Bench推理强度未说明–38.0%#60Terminal-Bench
GDPval推理强度未说明–43.6%#3OpenAI
Cybench推理强度未说明–42.0%#5Cybench
Terminal-Bench Hard34.3%#88–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index71.4%#154–Artificial Analysis
Arena Search不计入 Index推理强度未说明–1167#32Arena (LMArena)
DeepResearch Bench不计入 Index推理强度未说明–48.3%#19DeepResearch Bench
METR Time Horizons不计入 Index推理强度未说明–66.8%#13METR
BrowseComp不计入 Index推理强度未说明–1.0%#18OpenAI

数学

基准测试thinking默认来源趋势
FrontierMath Tiers 1–3推理强度未说明–12.6%#108Epoch AI Benchmarking Hub
FrontierMath Tier 4推理强度未说明–2.4%#73Epoch AI Benchmarking Hub
OTIS Mock AIME推理强度未说明–68.9%#153Epoch AI Benchmarking Hub
AIME (Vals)78.2%#4844.2%#64Vals AI
MGSM94.4%#394.2%#5Vals AI
MATH 500不计入 Index95.4%#493.0%#17Vals AI
Arena Maths1444#871433#105Arena (LMArena)
AIME 2025 (AA)不计入 Index80.3%#62–Artificial Analysis

知识

基准测试thinking默认来源趋势
MMLU-Pro87.9%#2387.2%#33Vals AI
LegalBench推理强度未说明–83.5%#54Vals AI
TaxEval73.7%#4671.5%#76Vals AI
MedQA93.6%#2292.5%#29Vals AI
PRBench Finance推理强度未说明–35.1%#37Scale AI SEAL
PRBench Legal推理强度未说明–34.0%#46Scale AI SEAL
MultiNRC可能存在污染38.4%#1929.7%#23Scale AI SEAL
MedCode不计入 Index47.2%#3441.4%#52Vals AI
MedScribe不计入 Index73.9%#8071.8%#89Vals AI
EBR-bench不计入 Index推理强度未说明–7.9%#28Epoch AI Benchmarking Hub

指令遵循

基准测试thinking默认来源趋势
IFBench55.4%#147–Artificial Analysis
MultiChallenge57.2%#20–Scale AI SEAL
TutorBench50.8%#1747.4%#22Scale AI SEAL
Arena Instruction Following不计入 Index1458#561454#61Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text1450#801448#85Arena (LMArena)
Arena Creative Writing不计入 Index1446#521442#58Arena (LMArena)
Arena Multi-turn不计入 Index1471#621469#66Arena (LMArena)
Arena Longer Queries不计入 Index1485#411472#63Arena (LMArena)
Lech Mazur Creative Writing不计入 Index推理强度未说明–84.7%#3Lech Mazur

多模态

基准测试thinking默认来源趋势
MMMU-Pro67.9%#179–Artificial Analysis
VISTA48.4%#1545.3%#28Scale AI SEAL
MMMU-Pro (Vals)不计入 Index77.5%#5173.7%#57Vals AI
MortgageTax不计入 Index56.1%#7461.1%#61Vals AI
VTB不计入 Index5.2%#144.7%#15Scale AI SEAL
VPCT不计入 Index推理强度未说明–35.0%#26Epoch AI Benchmarking Hub

长上下文

基准测试thinking来源趋势
AA-LCR v1.176.0%#165Artificial 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––144.8#93Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index18.6#26022.9#203–Artificial Analysis
AA Progress Index v1不计入 Index–242.2#284–Artificial Analysis

安全与诚实

基准测试thinking默认来源趋势
FORTRESS不计入 Index14.8%#1816.1%#23Scale AI SEAL
MASK不计入 Index可能存在污染94.2%#487.4%#11Scale AI SEAL

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Amazon Bedrock14 tok/s3.31 s$15.00$75.00200k–

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$0.02524.8 s
总结一份 30 页的报告12,000 / 600$0.225$0.10346.2 s
代码编辑6,000 / 1,500$0.203$0.1421.8 min
智能体编程会话60,000 / 4,000$1.20$0.5934.8 min
结构化信息提取2,000 / 200$0.045$0.02517.7 s

Anthropic 的更多模型

本月新上线

将 Claude Opus 4.1 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Claude Opus 4.1 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 4.1 on BenchLeader: 综合第 65 名](https://www.benchleader.com/badge/claude-opus-4-1.svg)](https://www.benchleader.com/models/claude-opus-4-1)

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 4.1 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-opus-4-1

BibTeX:

@misc{benchleader_claude_opus_4_1_20261116,
  author       = {{BenchLeader}},
  title        = {{Claude Opus 4.1 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/claude-opus-4-1}},
  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 4.1 的基准测试得分是多少?
截至 2026年11月16日,Claude Opus 4.1(推理强度 thinking)的 BenchLeader Index 为 58.1 ±2.5。最强的是推理(64),最弱的是编程(53)。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 4.1 排名第几?
截至 2026年11月16日,Claude Opus 4.1(推理强度 thinking)在 608 个已排名配置中排第 137 名。另有 228 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 4.1 每百万 token 的价格是多少?
截至 2026年11月16日,Claude Opus 4.1 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 4.1 比 Muse Spark 1.3 更好吗?
截至 2026年11月16日,Claude Opus 4.1(推理强度 thinking)与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 58.1 比 61.6,在 ±8.6 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
Claude Opus 4.1 是什么时候发布的?
Anthropic 于 2025年8月5日发布了 Claude Opus 4.1。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 4.1: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-4-1。