Claude Opus 4.1
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
- 综合 Index58
- 推理64
- 编程53
- 智能体与工具64
- 数学61
- 知识58
- 指令遵循53
- 人类偏好63
- 多模态56
- 长上下文63
嵌入这个排名
更多徽章样式[](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。
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本页 | 2025年8月5日 | 58.1 | #137 |
| Claude Opus 4thinking | 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 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| GPQA Diamond推理强度未说明 | – | 77.3%#148 | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam推理强度未说明 | – | 11.5%#29 | Scale AI / CAIS | |
| SimpleBench推理强度未说明 | – | 60.0%#47 | SimpleBench | |
| Arena Hard Prompts | 1480#69 | 1478#70 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 80.9%#191 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 12.5%#297 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 76.3%#76 | 70.0%#92 | Vals AI | |
| CritPt不计入 Index | 0.0%#337 | – | Artificial Analysis | |
| SciPredict不计入 Index推理强度未说明 | – | 22.2%#4 | Scale AI SEAL | |
| Arena Expert不计入 Index | 1482#74 | 1465#101 | Arena (LMArena) | |
| Mystery Game Puzzles不计入 Index推理强度未说明 | – | 21.0%#62 | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index推理强度未说明 | – | 37.1%#127 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | 80.0%#140 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | 64.4%#24 | ForecastBench |
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%#20 | Epoch AI Benchmarking Hub | |
| WeirdML推理强度未说明 | – | 45.9%#82 | WeirdML | |
| Arena Coding | 1511#57 | 1505#70 | Arena (LMArena) | |
| Arena WebDev推理强度未说明 | – | 1389#107 | Arena (LMArena) | |
| LiveCodeBench | 66.5%#96 | 64.6%#99 | Vals AI | |
| SWE-Bench Pro (private)不计入 Index推理强度未说明 | – | 17.8%#10 | Scale AI SEAL | |
| ALE-Bench不计入 Index推理强度未说明 | – | 674.8#100 | Epoch AI Benchmarking Hub | |
| AlgoTune不计入 Index推理强度未说明 | – | 1.3#16 | AlgoTune | |
| Design Arena Website不计入 Index | 1169#109 | 1156#120 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 65.3%#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%#60 | Terminal-Bench | |
| GDPval推理强度未说明 | – | 43.6%#3 | OpenAI | |
| Cybench推理强度未说明 | – | 42.0%#5 | Cybench | |
| Terminal-Bench Hard | 34.3%#88 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 71.4%#154 | – | Artificial Analysis | |
| Arena Search不计入 Index推理强度未说明 | – | 1167#32 | Arena (LMArena) | |
| DeepResearch Bench不计入 Index推理强度未说明 | – | 48.3%#19 | DeepResearch Bench | |
| METR Time Horizons不计入 Index推理强度未说明 | – | 66.8%#13 | METR | |
| BrowseComp不计入 Index推理强度未说明 | – | 1.0%#18 | OpenAI |
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%#108 | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4推理强度未说明 | – | 2.4%#73 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME推理强度未说明 | – | 68.9%#153 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 78.2%#48 | 44.2%#64 | Vals AI | |
| MGSM | 94.4%#3 | 94.2%#5 | Vals AI | |
| MATH 500不计入 Index | 95.4%#4 | 93.0%#17 | Vals AI | |
| Arena Maths | 1444#87 | 1433#105 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 80.3%#62 | – | Artificial Analysis |
知识
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| MMLU-Pro | 87.9%#23 | 87.2%#33 | Vals AI | |
| LegalBench推理强度未说明 | – | 83.5%#54 | Vals AI | |
| TaxEval | 73.7%#46 | 71.5%#76 | Vals AI | |
| MedQA | 93.6%#22 | 92.5%#29 | Vals AI | |
| PRBench Finance推理强度未说明 | – | 35.1%#37 | Scale AI SEAL | |
| PRBench Legal推理强度未说明 | – | 34.0%#46 | Scale AI SEAL | |
| MultiNRC可能存在污染 | 38.4%#19 | 29.7%#23 | Scale AI SEAL | |
| MedCode不计入 Index | 47.2%#34 | 41.4%#52 | Vals AI | |
| MedScribe不计入 Index | 73.9%#80 | 71.8%#89 | Vals AI | |
| EBR-bench不计入 Index推理强度未说明 | – | 7.9%#28 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| IFBench | 55.4%#147 | – | Artificial Analysis | |
| MultiChallenge | 57.2%#20 | – | Scale AI SEAL | |
| TutorBench | 50.8%#17 | 47.4%#22 | Scale AI SEAL | |
| Arena Instruction Following不计入 Index | 1458#56 | 1454#61 | Arena (LMArena) |
人类偏好
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1450#80 | 1448#85 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1446#52 | 1442#58 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1471#62 | 1469#66 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1485#41 | 1472#63 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index推理强度未说明 | – | 84.7%#3 | Lech Mazur |
多模态
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| MMMU-Pro | 67.9%#179 | – | Artificial Analysis | |
| VISTA | 48.4%#15 | 45.3%#28 | Scale AI SEAL | |
| MMMU-Pro (Vals)不计入 Index | 77.5%#51 | 73.7%#57 | Vals AI | |
| MortgageTax不计入 Index | 56.1%#74 | 61.1%#61 | Vals AI | |
| VTB不计入 Index | 5.2%#14 | 4.7%#15 | Scale AI SEAL | |
| VPCT不计入 Index推理强度未说明 | – | 35.0%#26 | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | thinking | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 76.0%#165 | 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 | – | – | 144.8#93 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 18.6#260 | 22.9#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 Index | 14.8%#18 | 16.1%#23 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 94.2%#4 | 87.4%#11 | Scale 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 Bedrock | 14 tok/s | 3.31 s | $15.00 | $75.00 | 200k | – |
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 | 24.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.225 | $0.103 | 46.2 s |
| 代码编辑 | 6,000 / 1,500 | $0.203 | $0.142 | 1.8 min |
| 智能体编程会话 | 60,000 / 4,000 | $1.20 | $0.593 | 4.8 min |
| 结构化信息提取 | 2,000 / 200 | $0.045 | $0.025 | 17.7 s |
Anthropic 的更多模型
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。
[](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}
}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。