Claude Opus 4.6
性价比更高: Gemini 3.7 Flash $1.50/M 即可获得 Index 62.1,便宜 85%。
有 12 个更便宜的已排名模型得分更高:Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00)、GPT-6.1 Sol (66.6, $4.00),另有 9 个。
截至 2026年11月16日,Claude Opus 4.6(Anthropic)在 BenchLeader Index 上得分 62.5(在 608 个已排名配置中前 50 名)。表现最好的是人类偏好(70),最弱的是编程(62)。API 价格为输入每百万 token $5.00、输出每百万 token $25.00(按 3:1 混合为 $10.00),为 2026年11月16日的标价。输出速度约为 35 token/秒(OpenRouter)。发布于 2026年2月5日。
要点(截至 2026年11月16日)
- Claude Opus 4.6 的 API 价格为输入每百万 token $5.00、输出每百万 token $25.00(按 3:1 混合为 $10.00)(标价,2026年11月16日)。
- Claude Opus 4.6 的输出速度约为 35 token/秒(OpenRouter,2026年11月16日)。
- Claude Opus 4.6 于 2026年2月5日发布(Anthropic)。
详细说明:Claude Opus 4.6 是 Anthropic 的闭源推理模型,发布于 2026年2月5日。其最佳配置(推理强度 high)在 BenchLeader Index 上得分 62.5 ±2.5,在 608 个配置中排第 50 名,处于上半区。关键在于这个“±”:另有 144 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,人类偏好得分最高(70),编程最低(62)。按混合价格计,每百万 token $10.00,属于已排名模型中最贵的一档。输出速度为 35 token/秒,首 token 延迟 1.1 秒,位于最慢的四分之一。它已在 7 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
- $10.00/M
- 输入 $5.00 · 输出 $25.00
- 来源:models.dev
- 输出速度
- 35 tok/s
- OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
- 首次回答
- 1.12 s
- 上下文
- 1M
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年2月5日
- 综合 Index63
- 推理65
- 编程62
- 数学63
- 人类偏好70
- 多模态67
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/claude-opus-4-6)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本页 | 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 | 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。
| 推理强度 | Index | 排名 | 速度 | 首次回答 | 聊天回复成本 | 类别 |
|---|---|---|---|---|---|---|
| 无推理 | 58.4 | #129 | 54 tok/s | 2.29 s | $0.0095 | 智能体与工具 76 · 指令遵循 51 · 知识 64 · 长上下文 58 · 多模态 55 |
| low | – | – | 35 tok/s | 1.12 s | $0.0095 | 推理 61 |
| medium | – | – | 35 tok/s | 1.12 s | $0.0095 | 推理 62 |
| high最佳 | 62.5 | #50 | 35 tok/s | 1.12 s | $0.0095 | 编程 62 · 人类偏好 70 · 数学 63 · 多模态 67 · 推理 65 |
| max | 57.0 | #161 | 54 tok/s | 33 s | $0.0095 | 智能体与工具 57 · 编程 61 · 指令遵循 47 · 知识 61 · 长上下文 64 · 数学 56 · 多模态 57 · 推理 60 |
| thinking | – | – | 35 tok/s | 1.12 s | $0.0095 | 编程 67 · 知识 61 · 数学 65 · 推理 76 |
| 未说明 | 62.1 | #53 | 35 tok/s | 1.12 s | $0.0095 | 智能体与工具 66 · 编程 60 · 人类偏好 63 · 数学 67 · 多模态 66 · 推理 60 |
Index 走势
2026年9月8日 至 2026年11月16日- high
- 默认
- 无推理
- max
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
编程
智能体与工具
| 基准测试 | 无推理 | low | medium | high | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| Terminal-Bench推理强度未说明 | – | – | – | – | – | 79.8%#5 | Terminal-Bench | |
| Cybench推理强度未说明 | – | – | – | – | – | 93.0%#1 | Cybench | |
| Remote Labor Index推理强度未说明 | – | – | – | – | – | 4.2%#11 | Scale AI / CAIS | |
| APEX-Agents | – | – | – | – | 46.3%#45 | – | Mercor | |
| LiveBench Agentic Coding不计入 Index | – | – | – | 49.0%#47 | – | – | LiveBench | |
| Terminal-Bench Hard | 48.5%#26 | – | – | – | 46.2%#30 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 84.8%#98 | – | – | – | 92.1%#54 | – | Artificial Analysis | |
| MCP Atlas | – | – | – | – | 76.8%#19 | – | Scale AI SEAL | |
| HiL-Bench推理强度未说明 | – | – | – | – | – | 38.3%#25 | Scale AI SEAL | |
| τ³-bench Banking不计入 Index | – | – | – | – | 27.3%#14 | – | τ²-bench | |
| APEX-Agents (AA)不计入 Index | – | – | – | – | 33.0%#10 | – | Artificial Analysis | |
| Terminal-Bench 2.0 (Vals)不计入 Index | – | – | – | – | 58.4%#10 | – | Vals AI | |
| Arena Search不计入 Index推理强度未说明 | – | – | – | – | – | 1222#9 | Arena (LMArena) | |
| DeepResearch Bench不计入 Index | – | 51.4%#8 | 53.2%#6 | 55.3%#1 | – | – | DeepResearch Bench | |
| METR Time Horizons不计入 Index推理强度未说明 | – | – | – | – | – | 78.9%#2 | METR | |
| GBAEval不计入 Index推理强度未说明 | – | – | – | – | – | 44.1%#11 | Epoch AI Benchmarking Hub | |
| Vending-Bench 2不计入 Index推理强度未说明 | – | – | – | – | – | 8017.6#17 | Andon Labs | |
| Design Arena Agentic不计入 Index推理强度未说明 | – | – | – | – | – | 1196#35 | Design Arena |
数学
| 基准测试 | high | max | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | – | 66.0%#38 | – | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | – | 26.8%#47 | – | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | – | 91.1%#79 | – | 94.4%#62 | Epoch AI Benchmarking Hub | |
| ProofBench | – | 50.0%#33 | – | – | Vals AI | |
| LiveBench Mathematics不计入 Index | 89.3%#39 | – | – | – | LiveBench | |
| AIME (Vals) | – | – | 95.6%#8 | – | Vals AI | |
| AIME 2026 | 96.7%#6 | – | – | – | MathArena | |
| HMMT February 2026 | 96.2%#5 | – | – | – | MathArena | |
| USAMO 2026不计入 Index | 47.0%#6 | – | – | – | MathArena | |
| MathArena Apex可能存在污染 | 34.5%#8 | – | – | – | MathArena | |
| Arena Maths | 1516#6 | – | – | 1503#13 | Arena (LMArena) |
知识
| 基准测试 | 无推理 | high | max | thinking | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| SimpleQA Verified | – | – | 47.0%#39 | – | Epoch AI Benchmarking Hub | |
| LiveBench 1.0 Data Analysis不计入 Index | – | 69.9%#54 | – | – | LiveBench | |
| MMLU-Pro | – | – | 89.1%#15 | – | Vals AI | |
| LegalBench | – | – | 85.3%#22 | – | Vals AI | |
| CorpFin | – | – | 67.0%#14 | – | Vals AI | |
| TaxEval | – | – | 76.0%#8 | – | Vals AI | |
| MedQA | – | – | – | 95.4%#12 | Vals AI | |
| PRBench Finance | 53.3%#5 | – | – | – | Scale AI SEAL | |
| PRBench Legal | 52.3%#8 | – | – | – | Scale AI SEAL | |
| MultiNRC可能存在污染 | 48.3%#13 | – | 57.1%#8 | – | Scale AI SEAL | |
| CaseLaw v2不计入 Index | – | – | – | 62.1%#20 | Vals AI | |
| MedCode不计入 Index | – | – | 49.1%#26 | – | Vals AI | |
| MedScribe不计入 Index | – | – | 86.7%#21 | – | Vals AI | |
| DrugDiscoveryBench不计入 Index | – | – | 27.7%#21 | – | Scale AI SEAL | |
| EBR-bench不计入 Index | – | – | 12.7%#24 | – | Epoch AI Benchmarking Hub | |
| Global-MMLU-Lite (AA)不计入 Index | 90.6%#8 | – | 92.2%#4 | – | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | high | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| LiveBench Language不计入 Index | – | 83.3%#20 | – | – | LiveBench | |
| LiveBench Instruction Following不计入 Index | – | 63.3%#51 | – | – | LiveBench | |
| IFBench | 44.6%#212 | – | 53.1%#159 | – | Artificial Analysis | |
| MultiChallenge | 56.0%#24 | – | 37.1%#38 | – | Scale AI SEAL | |
| TutorBench | 53.5%#10 | – | 53.7%#8 | – | Scale AI SEAL | |
| Arena Instruction Following不计入 Index | – | 1511#4 | – | 1499#9 | Arena (LMArena) |
人类偏好
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1503#6 | 1496#11 | Arena (LMArena) | |
| EQ-Bench 4推理强度未说明 | – | 1210#17 | EQ-Bench | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1810#25 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1499#5 | 1478#15 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1517#5 | 1509#9 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1522#4 | 1517#6 | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | high | max | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| Arena Vision | – | 1316#7 | – | – | 1312#10 | Arena (LMArena) | |
| MMMU-Pro | 72.5%#145 | – | 75.4%#111 | – | – | Artificial Analysis | |
| VISTA | 45.5%#25 | – | 46.1%#22 | – | – | Scale AI SEAL | |
| MMMU-Pro (Vals)不计入 Index | – | – | 83.9%#29 | – | – | Vals AI | |
| MortgageTax不计入 Index | – | – | 68.5%#15 | – | – | Vals AI | |
| VTB不计入 Index | – | – | – | 27.5%#4 | – | Scale AI SEAL | |
| Furniture Assembly不计入 Index | – | – | 28.3%#30 | – | – | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | 无推理 | high | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 67.0%#261 | – | 78.0%#137 | – | Artificial Analysis | |
| Arena Document不计入 Index | – | 1497#3 | – | 1496#4 | Arena (LMArena) |
综合
| 基准测试 | 无推理 | high | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | 156.3#37 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0不计入 Index | – | 74.5%#41 | – | – | LiveBench | |
| AA Intelligence Index v4.3.2不计入 Index | 26.4#160 | – | 31.9#119 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 274.5#192 | – | 296.1#131 | – | Artificial Analysis |
安全与诚实
| 基准测试 | 无推理 | max | 来源 | 趋势 |
|---|---|---|---|---|
| FORTRESS不计入 Index | 20.5%#40 | 13.0%#13 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 96.3%#1 | 85.4%#18 | 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 | 49 tok/s | 1.54 s | $5.00 | $25.00 | 1M | – |
| Claude Platform on AWS | 35 tok/s | 1.15 s | $5.00 | $25.00 | 1M | – |
| Google Vertex | 35 tok/s | 1.57 s | $5.00 | $25.00 | 1M | – |
| Anthropic | 34 tok/s | 1.37 s | $5.00 | $25.00 | 1M | – |
使用情况
Claude Opus 4.6 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
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 $0.500。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 | $0.0095 | $0.0081 | 9.7 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.075 | $0.035 | 18.3 s |
| 代码编辑 | 6,000 / 1,500 | $0.068 | $0.047 | 44.0 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.400 | $0.198 | 1.9 min |
| 结构化信息提取 | 2,000 / 200 | $0.015 | $0.0083 | 6.8 s |
Anthropic 的更多模型
将 Claude Opus 4.6 与以下模型对比
- Claude Opus 4.6 vs Gemini 4 Argon
- Claude Opus 4.6 vs Claude Fable 5.2
- Claude Opus 4.6 vs Gemini 4 Carbon
- Claude Opus 4.6 vs Claude Sonnet 5.5
- Claude Opus 4.6 vs GPT-6.1 Sol
- Claude Opus 4.6 vs Kimi K3.1 Pro
- Claude Opus 4.6 vs Claude Sonnet 5
- Claude Opus 4.6 vs DeepSeek V4.1 Flash 1017
- Claude Opus 4.6 vs GPT-5.6 Sol
- Claude Opus 4.6 vs Grok 4.6
- Claude Opus 4.6 vs Muse Wonder Full
- Claude Opus 4.6 vs GPT-6 Sol
- Claude Opus 4.6 vs Grok 4.7
- Claude Opus 4.6 vs GPT-5.6 Terra
- Claude Opus 4.6 vs GPT-5.3-Codex
- Claude Opus 4.6 vs GPT-5
- Claude Opus 4.6 vs Step 5 Preview
- Claude Opus 4.6 vs Muse Spark
- Claude Opus 4.6 vs Muse Wonder
- Claude Opus 4.6 vs MiMo-V2.6-Pro
- Claude Opus 4.6 vs Claude Fable 5
- Claude Opus 4.6 vs Kimi K3.1 Pro Together
- Claude Opus 4.6 vs Muse Spark 1.2
- Claude Opus 4.6 vs Muse Spark 1.3
- Claude Opus 4.6 vs Gemini 3.7 Flash
- Claude Opus 4.6 vs Qwen3.6 Max
- Claude Opus 4.6 vs Muse Spark 1.1
- Claude Opus 4.6 vs Gemini 3.5 Flash
- Claude Opus 4.6 vs Claude Opus 4.7
- Claude Opus 4.6 vs GPT-5.4
- Claude Opus 4.6 vs GPT-5.4 Pro
- Claude Opus 4.6 vs Gemini 4 Hydrogen
- Claude Opus 4.6 vs GPT-5.5
- Claude Opus 4.6 vs GPT-6.1 Terra
- Claude Opus 4.6 vs Claude Opus 5
- Claude Opus 4.6 vs Claude Fable 5.1
- Claude Opus 4.6 vs GPT-6 Astra
- Claude Opus 4.6 vs Claude Opus 5.5
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Claude Opus 4.6 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-4-6)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 4.6 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-opus-4-6
BibTeX:
@misc{benchleader_claude_opus_4_6_20261116,
author = {{BenchLeader}},
title = {{Claude Opus 4.6 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/claude-opus-4-6}},
note = {Data as of 2026-11-16}
}常见问题
- Claude Opus 4.6 的基准测试得分是多少?
- 截至 2026年11月16日,Claude Opus 4.6(推理强度 high)的 BenchLeader Index 为 62.5 ±2.5(前 50 名)。最强的是人类偏好(70),最弱的是编程(62)。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 4.6 排名第几?
- 截至 2026年11月16日,Claude Opus 4.6(推理强度 high)在 608 个已排名配置中排第 50 名(前 50 名)。另有 144 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 4.6 每百万 token 的价格是多少?
- 截至 2026年11月16日,Claude Opus 4.6 的价格为输入每百万 token $5.00、输出每百万 token $25.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $10.00。
- Claude Opus 4.6 比 Gemini 3.5 Flash 更好吗?
- 截至 2026年11月16日,Claude Opus 4.6(推理强度 high)与 Gemini 3.5 Flash(推理强度 high)的质量不相上下(BenchLeader Index 62.5 比 62.5,在 ±3.7 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 4.6 是什么时候发布的?
- Anthropic 于 2026年2月5日发布了 Claude Opus 4.6。BenchLeader 收录了它在 7 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 4.6: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-4-6。