BenchLeader

Claude Opus 4.7

推理强度
质量第 17 / 339 名
63.1Index
前 10%
较中位数 +12.9
价格第 235 / 255 名
$10.00每百万 token
最贵的四分之一
中位数的 12 倍
速度第 171 / 216 名
48token/秒
后四分之一
中位数的 0.6 倍
性价比第 236 / 255 名
6.3分/$
后四分之一
中位数的 0.1 倍

性价比更高: Gemini 3.7 Flash $1.50/M 即可获得 Index 62.1,便宜 85%。

有 9 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 6 个。

截至 2026年11月16日,Claude Opus 4.7(Anthropic)在 BenchLeader Index 上得分 63.1(在 608 个已排名配置中前 50 名)。表现最好的是智能体与工具(68),最弱的是编程(61)。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 48 token/秒(OpenRouter)。发布于 2026年4月16日。

要点(截至 2026年11月16日)

  • Claude Opus 4.7 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 4.7 的输出速度约为 48 token/秒(OpenRouter,2026年11月16日)。
  • Claude Opus 4.7 于 2026年4月16日发布(Anthropic)。

详细说明:Claude Opus 4.7 是 Anthropic 的闭源推理模型,发布于 2026年4月16日。其最佳配置在 BenchLeader Index 上得分 63.1 ±3.7,在 608 个配置中排第 43 名,处于上半区。关键在于这个“±”:另有 137 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,智能体与工具得分最高(68),编程最低(61)。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 48 token/秒,首 token 延迟 1.0 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
48 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
1.02 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4月16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 Index63
  2. 推理64
  3. 编程61
  4. 智能体与工具68
  5. 数学67
  6. 人类偏好67
  7. 多模态67

嵌入这个排名

更多徽章样式
[![Claude Opus 4.7 on BenchLeader: 综合第 18 名](https://www.benchleader.com/badge/claude-opus-4-7.svg?style=compact)](https://www.benchleader.com/models/claude-opus-4-7)

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 4.7本页2026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 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––80 tok/s1.24 s$0.0095智能体与工具 81 · 指令遵循 46 · 长上下文 62 · 多模态 59
low––48 tok/s1.02 s$0.0095
high60.0#9048 tok/s1.02 s$0.0095智能体与工具 56 · 编程 63 · 人类偏好 70 · 数学 69 · 多模态 67 · 推理 54
xhigh57.0#16348 tok/s1.02 s$0.0095知识 58 · 数学 60 · 推理 64
max59.7#9781 tok/s15 s$0.0095智能体与工具 60 · 编程 64 · 指令遵循 59 · 知识 62 · 长上下文 64 · 数学 57 · 多模态 61 · 推理 62
thinking––48 tok/s1.02 s$0.0095推理 73
未说明最佳63.1#4348 tok/s1.02 s$0.0095智能体与工具 68 · 编程 61 · 人类偏好 67 · 数学 67 · 多模态 67 · 推理 64

Index 走势

2026年9月8日 至 2026年11月16日
536168
  • 默认
  • high
  • max
  • xhigh

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lowhighxhighmaxthinking默认来源趋势
GPQA Diamond–––90.2%#5086.4%#89––Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明––––––36.2%#10Scale AI / CAIS
SimpleBench推理强度未说明––––––61.7%#38SimpleBench
Arena Hard Prompts––1525#8–––1519#10Arena (LMArena)
LiveBench 1.0 Reasoning不计入 Index–––87.2%#28–––LiveBench
GPQA Diamond (AA)不计入 Index88.5%#91–––91.4%#47––Artificial Analysis
Humanity's Last Exam (AA)不计入 Index33.3%#152–––42.3%#81––Artificial Analysis
GPQA Diamond (Vals)不计入 Index––––90.2%#25––Vals AI
Kagi LLM Benchmark–––––80.7%#773.3%#18Kagi LLM Benchmark
ARC-AGI-3––0.2%#68––––ARC Prize
CritPt不计入 Index5.1%#170–––12.0%#122––Artificial Analysis
Arena Expert不计入 Index––1534#8–––1534#10Arena (LMArena)
Chess Puzzles不计入 Index–26.0%#83–36.0%#5341.0%#43––Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index––––28.0%#43–13.0%#107Epoch AI Benchmarking Hub
LMCA不计入 Index––––52.2%#62––Epoch AI Benchmarking Hub
DTBench不计入 Index––––94.7%#60––Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明––––––62.8%#52ForecastBench

编程

基准测试highxhighmax默认来源趋势
SWE-bench Verified (Epoch)––83.5%#1–Epoch AI Benchmarking Hub
SciCode––54.5%#69–SciCode
WeirdML76.4%#25–75.5%#2876.4%#26WeirdML
FrontierCode推理强度未说明–––38.5%#29Cognition
GSO-Bench44.1%#6––44.1%#6GSO-Bench
Arena Coding1551#4––1547#9Arena (LMArena)
Arena WebDev1557#48––1555#50Arena (LMArena)
LiveBench 1.0 Coding不计入 Index–82.1%#11––LiveBench
LiveCodeBench––85.1%#35–Vals AI
SWE-bench (Vals)不计入 Index––82.0%#21–Vals AI
Code Migration不计入 Index––43.9%#26–Vals AI
ProgramBench不计入 Index––0.0%#34–Vals AI
Vibe Code Bench v1.1不计入 Index––71.0%#49–Vals AI
SWE Atlas v1.0: Codebase QnA不计入 Index推理强度未说明–––40.3%#11Scale AI SEAL
SWE Atlas v1.0: Refactoring不计入 Index推理强度未说明–––48.6%#4Scale AI SEAL
SWE Atlas v1.0: Test Writing不计入 Index推理强度未说明–––38.5%#13Scale AI SEAL
MirrorCode不计入 Index31.1%#35–43.3%#24–Epoch AI Benchmarking Hub
ALE-Bench不计入 Index推理强度未说明–––1323.0#37Epoch AI Benchmarking Hub
Terminal-Bench 2.1 (AA)不计入 Index––83.2%#36–Artificial Analysis

智能体与工具

基准测试无推理highxhighmax默认来源趋势
Terminal-Bench推理强度未说明––––80.2%#3Terminal-Bench
OSWorld-Verified 2.0–––18.2%#8–OSWorld
APEX-Agents–––49.2%#36–Mercor
LiveBench Agentic Coding不计入 Index––50.7%#42––LiveBench
Terminal-Bench Hard54.5%#15––51.5%#21–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index74.0%#146––88.6%#73–Artificial Analysis
Terminal-Bench 2.1 (Vals)–68.5%#31–––Vals AI
MCP Atlas–––79.1%#16–Scale AI SEAL
HiL-Bench推理强度未说明––––41.7%#21Scale AI SEAL
τ³-bench Banking不计入 Index–––40.2%#7–τ²-bench
GDPval-AA v2.1不计入 Index–––1361#100–Artificial Analysis
τ³-Banking (AA)–––34.6%#51–Artificial Analysis
ITBench SRE (AA)不计入 Index–––46.7%#11–Artificial Analysis
Analyst Agent (AA)不计入 Index–––43.8%#21–Artificial Analysis
Finance Agent v2不计入 Index–51.5%#41–––Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index–––6.7%#31–Vals AI
Legal Research Bench不计入 Index–––38.5%#40–Vals AI
Tax Agent Bench不计入 Index–––23.7%#48–Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index–68.5%#3–––Vals AI
Arena Search不计入 Index推理强度未说明––––1210#13Arena (LMArena)
PostTrainBench不计入 Index––24.3%#15––Epoch AI Benchmarking Hub
ExploitBench不计入 Index推理强度未说明––––26.5%#3Epoch AI Benchmarking Hub
GBAEval不计入 Index推理强度未说明––––43.8%#12Epoch AI Benchmarking Hub
Vending-Bench 2不计入 Index推理强度未说明––––10936.8#8Andon Labs
AA-Briefcase v1.1不计入 Index1068#142––1252#109–Artificial Analysis

数学

基准测试highxhighmax默认来源趋势
FrontierMath Tiers 1–3––70.2%#32–Epoch AI Benchmarking Hub
FrontierMath Tier 4––31.7%#40–Epoch AI Benchmarking Hub
OTIS Mock AIME–97.8%#3686.7%#97–Epoch AI Benchmarking Hub
ProofBench––54.0%#30–Vals AI
LiveBench Mathematics不计入 Index–92.8%#26––LiveBench
AIME (Vals)推理强度未说明–––96.3%#7Vals AI
AIME 2026可能存在污染–95.8%#13––MathArena
HMMT February 2026可能存在污染–93.9%#10––MathArena
MathArena Apex可能存在污染–40.6%#7––MathArena
Arena Maths1503#12––1490#28Arena (LMArena)

知识

基准测试xhighmax默认来源趋势
SimpleQA Verified51.7%#29––Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index78.3%#25––LiveBench
MMLU-Pro–89.9%#8–Vals AI
LegalBench–85.3%#24–Vals AI
CorpFin–66.1%#23–Vals AI
TaxEval–75.3%#21–Vals AI
CaseLaw v2不计入 Index推理强度未说明––68.4%#5Vals AI
Excel Modeling Benchmark不计入 Index–63.7%#27–Vals AI
MedCode不计入 Index–54.9%#7–Vals AI
MedScribe不计入 Index–83.0%#47–Vals AI
EBR-bench不计入 Index–19.1%#20–Epoch AI Benchmarking Hub
GDP.pdf不计入 Index–21.0%#30–Epoch AI Benchmarking Hub

指令遵循

基准测试无推理highxhighmax默认来源趋势
LiveBench Language不计入 Index––77.9%#40––LiveBench
LiveBench Instruction Following不计入 Index––66.7%#40––LiveBench
IFBench43.6%#224––58.6%#132–Artificial Analysis
Arena Instruction Following不计入 Index–1503#7––1493#13Arena (LMArena)

人类偏好

基准测试high默认来源趋势
Arena Text1501#81494#12Arena (LMArena)
EQ-Bench 4推理强度未说明–1293#7EQ-Bench
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1915#15EQ-Bench
Arena Creative Writing不计入 Index1489#91482#13Arena (LMArena)
Arena Multi-turn不计入 Index1516#61514#7Arena (LMArena)
Arena Longer Queries不计入 Index1516#71508#11Arena (LMArena)

多模态

基准测试无推理highmax默认来源趋势
Arena Vision–1314#8–1319#4Arena (LMArena)
MMMU-Pro76.4%#100–78.8%#77–Artificial Analysis
MMMU-Pro (Vals)不计入 Index––85.5%#24–Vals AI
MortgageTax不计入 Index––70.3%#3–Vals AI
Blueprint-Bench 2不计入 Index推理强度未说明–––24.5%#28Epoch AI Benchmarking Hub
Furniture Assembly不计入 Index––33.3%#27–Epoch AI Benchmarking Hub

长上下文

基准测试无推理highmax默认来源趋势
AA-LCR v1.175.7%#171–78.7%#125–Artificial Analysis
Arena Document不计入 Index–1494#6–1494#5Arena (LMArena)

综合

基准测试无推理highxhighmax默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––––157.4#30Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index––76.5%#29––LiveBench
AA Intelligence Index v4.3.2不计入 Index30.9#122––40.7#66–Artificial Analysis
AA Progress Index v1不计入 Index288.5#149––312.5#85–Artificial Analysis
Vals RSI Index不计入 Index–––19.1%#21–Vals AI
Vals Multimodal Index不计入 Index–67.4%#10–––Vals AI

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
Anthropic66 tok/s0.79 s$5.00$25.001M–
Google Vertex63 tok/s0.69 s$5.00$25.001M–
Amazon Bedrock54 tok/s1.30 s$5.00$25.001M–
Claude Platform on AWS48 tok/s0.78 s$5.00$25.001M–

使用情况

Claude Opus 4.7 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

编程智能体轮次占比,30 天
0.01%
Claude Code 中占 98%

来源: T3 Code via Slopalytics。

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$0.00817.3 s
总结一份 30 页的报告12,000 / 600$0.075$0.03513.5 s
代码编辑6,000 / 1,500$0.068$0.04732.3 s
智能体编程会话60,000 / 4,000$0.400$0.1981.4 min
结构化信息提取2,000 / 200$0.015$0.00835.2 s

Anthropic 的更多模型

本月新上线

将 Claude Opus 4.7 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 4.7 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 4.7 on BenchLeader: 综合第 18 名](https://www.benchleader.com/badge/claude-opus-4-7.svg)](https://www.benchleader.com/models/claude-opus-4-7)

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 4.7 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-opus-4-7

BibTeX:

@misc{benchleader_claude_opus_4_7_20261116,
  author       = {{BenchLeader}},
  title        = {{Claude Opus 4.7 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/claude-opus-4-7}},
  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 4.7 的基准测试得分是多少?
截至 2026年11月16日,Claude Opus 4.7 的 BenchLeader Index 为 63.1 ±3.7(前 50 名)。最强的是智能体与工具(68),最弱的是编程(61)。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 4.7 排名第几?
截至 2026年11月16日,Claude Opus 4.7 在 608 个已排名配置中排第 43 名(前 50 名)。另有 137 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 4.7 每百万 token 的价格是多少?
截至 2026年11月16日,Claude Opus 4.7 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 4.7 比 GPT-5.4 更好吗?
截至 2026年11月16日,Claude Opus 4.7 与 GPT-5.4(推理强度 xhigh)的质量不相上下(BenchLeader Index 63.1 比 63.1,在 ±4.6 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 4.7 是什么时候发布的?
Anthropic 于 2026年4月16日发布了 Claude Opus 4.7。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 4.7: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-4-7。