Claude Opus 5
性价比更高: GPT-6.1 Terra $2.00/M 即可获得 Index 64.1,便宜 80%。
有 5 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 2 个。
截至 2026年11月16日,Claude Opus 5(Anthropic)在 BenchLeader Index 上得分 65.0(在 608 个已排名配置中前 25 名)。表现最好的是数学(70),最弱的是智能体与工具(64)。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 80 token/秒(Artificial Analysis)。发布于 2026年7月24日。
要点(截至 2026年11月16日)
- Claude Opus 5 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 5 的输出速度约为 80 token/秒(Artificial Analysis,2026年11月16日)。
- Claude Opus 5 于 2026年7月24日发布(Anthropic)。
详细说明:Claude Opus 5 是 Anthropic 的闭源推理模型,发布于 2026年7月24日。其最佳配置(推理强度 max)在 BenchLeader Index 上得分 65.0 ±1.7,在 608 个配置中排第 23 名,位居前 25。关键在于这个“±”:另有 75 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(70),智能体与工具最低(64)。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 80 token/秒,首次回答需 48.5 秒,比大多数模型慢。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:Artificial Analysis
- 输出速度
- 80 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 49 s
- 首 token 2.46 s
- 上下文
- 1M
- 来源:models.dev
- 完整回答
- 192 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $11.82
- 每项任务 25 min,AA Index
- 单任务 token 数
- 118k
- 其中 62% 为推理
- 发布日期
- 2026年7月24日
- 综合 Index65
- 推理66
- 编程67
- 智能体与工具64
- 数学70
- 知识65
- 人类偏好68
- 多模态67
- 长上下文64
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/claude-opus-5)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本页 | 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 | 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 | – | – | 63 tok/s | 2.46 s | $0.0095 | |
| low | 57.0 | #162 | 75 tok/s | 3.02 s | $0.0095 | 智能体与工具 53 · 编程 51 · 长上下文 65 · 数学 64 · 多模态 62 · 推理 63 |
| medium | 57.5 | #153 | 82 tok/s | 6.09 s | $0.0095 | 智能体与工具 61 · 编程 54 · 长上下文 66 · 多模态 64 |
| high | 64.4 | #25 | 78 tok/s | 17 s | $0.0095 | 智能体与工具 67 · 编程 68 · 人类偏好 68 · 长上下文 64 · 数学 71 · 多模态 66 · 推理 65 |
| xhigh | 60.1 | #84 | 80 tok/s | 33 s | $0.0095 | 智能体与工具 66 · 编程 60 · 长上下文 65 · 多模态 67 |
| max最佳 | 65.0 | #23 | 80 tok/s | 49 s | $0.0095 | 智能体与工具 64 · 编程 67 · 人类偏好 68 · 知识 65 · 长上下文 64 · 数学 70 · 多模态 67 · 推理 66 |
| 未说明 | 63.2 | #41 | 63 tok/s | 2.46 s | $0.0095 | 智能体与工具 58 · 编程 75 · 人类偏好 76 · 知识 67 · 数学 66 · 推理 68 |
Index 走势
2026年9月8日 至 2026年11月16日- max
- high
- 默认
- 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
编程
智能体与工具
数学
| 基准测试 | low | high | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | – | – | 85.6%#15 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | – | – | 73.2%#21 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 93.3%#68 | – | 98.9%#25 | 97.8%#37 | Epoch AI Benchmarking Hub | |
| ProofBench | – | – | 99.0%#5 | – | Vals AI | |
| LiveBench Mathematics不计入 Index | – | – | 95.7%#15 | – | LiveBench | |
| Arena Maths | – | 1521#3 | 1515#7 | – | Arena (LMArena) | |
| FrontierMath Erdős不计入 Index | – | – | 0.0%#8 | – | Epoch AI Benchmarking Hub |
知识
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified | 59.9%#20 | – | Epoch AI Benchmarking Hub | |
| LiveBench 1.0 Data Analysis不计入 Index | 74.5%#37 | – | LiveBench | |
| AA-Omniscience v1.1 | 37.6#32 | – | Artificial Analysis | |
| MMLU-Pro | 91.6%#2 | – | Vals AI | |
| LegalBench | 87.0%#9 | – | Vals AI | |
| CorpFin推理强度未说明 | – | 73.2%#1 | Vals AI | |
| TaxEval推理强度未说明 | – | 75.1%#23 | Vals AI | |
| BioMysteryBench不计入 Index | 79.3%#4 | – | Vals AI | |
| Excel Modeling Benchmark不计入 Index | 73.6%#6 | – | Vals AI | |
| MedCode不计入 Index | 63.6%#1 | – | Vals AI | |
| MedScribe不计入 Index | 91.0%#4 | – | Vals AI | |
| Public Benefits Bench v1.1不计入 Index | 76.9%#1 | – | Vals AI | |
| DrugDiscoveryBench不计入 Index | 53.7%#8 | – | Scale AI SEAL | |
| EBR-bench不计入 Index | 45.7%#10 | – | Epoch AI Benchmarking Hub | |
| GDP.pdf不计入 Index | 24.0%#19 | – | Epoch AI Benchmarking Hub | |
| AA-Omniscience v1.1: accuracy不计入 Index | 60.9%#20 | – | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | 40.6%#88 | – | Artificial Analysis | |
| FACTS Parametric不计入 Index推理强度未说明 | – | 48.8%#17 |
指令遵循
| 基准测试 | high | max | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench Language不计入 Index | – | 88.7%#5 | LiveBench | |
| LiveBench Instruction Following不计入 Index | – | 63.8%#50 | LiveBench | |
| Arena Instruction Following不计入 Index | 1496#11 | 1494#12 | Arena (LMArena) |
人类偏好
| 基准测试 | high | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Text | 1490#16 | 1489#19 | – | Arena (LMArena) | |
| EQ-Bench 4推理强度未说明 | – | – | 1365#1 | EQ-Bench | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | – | 2135#4 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1471#20 | 1473#16 | – | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1486#28 | 1486#27 | – | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1502#14 | 1502#14 | – | Arena (LMArena) |
多模态
| 基准测试 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| Arena Vision | – | – | 1318#5 | – | – | – | Arena (LMArena) | |
| MMMU-Pro | 79.8%#65 | 81.6%#46 | 82.4%#41 | 84.0%#25 | 84.7%#17 | – | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index | – | – | – | – | 89.9%#2 | – | Vals AI | |
| MortgageTax不计入 Index推理强度未说明 | – | – | – | – | – | 72.1%#1 | Vals AI | |
| Humanity's Sixth Sense不计入 Index | – | – | – | – | 30.5%#20 | – | Scale AI SEAL | |
| Blueprint-Bench 2不计入 Index推理强度未说明 | – | – | – | – | – | 30.4%#22 | Epoch AI Benchmarking Hub | |
| Furniture Assembly不计入 Index | – | – | – | – | 60.8%#10 | – | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | low | medium | high | xhigh | max | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 81.3%#64 | 82.0%#54 | 79.0%#120 | 80.3%#81 | 79.3%#110 | Artificial Analysis | |
| Arena Document不计入 Index | – | – | 1486#8 | – | – | Arena (LMArena) | |
| MLCR不计入 Index | 13.9%#97 | 13.9%#97 | 11.7%#112 | 10.0%#124 | 11.1%#115 | Artificial Analysis |
综合
| 基准测试 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | – | – | 164.7#10 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0不计入 Index | – | – | – | – | 80.1%#13 | – | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index | – | – | – | – | 44.2#34 | – | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 39.4#74 | 44.8#41 | 48.1#25 | 49.7#21 | 50.8#19 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 316.1#81 | 324.9#43 | 331#35 | 333#32 | 333.7#30 | – | Artificial Analysis | |
| Vals RSI Index不计入 Index | – | – | – | – | 33.0%#4 | – | Vals AI | |
| Vals Science Index不计入 Index | – | – | – | – | 47.9%#8 | – | Vals AI | |
| Vals Multimodal Index不计入 Index推理强度未说明 | – | – | – | – | – | 73.9%#2 | Vals AI |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 16.8%#27 | Scale AI SEAL | |
| DistressBench不计入 Index | 70.2%#26 | Scale AI SEAL |
GameBench 2 Overall: 76.5. GameBench 2, best reasoning setting (XHigh): 84.8. 仅供参考,不计入 BenchLeader Index。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
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 |
|---|---|---|---|---|---|---|
| Claude Platform on AWS | 71 tok/s | 2.95 s | $5.00 | $25.00 | 1M | – |
| Anthropic | 65 tok/s | 1.83 s | $5.00 | $25.00 | 1M | – |
| Amazon Bedrock | 64 tok/s | 4.29 s | $5.00 | $25.00 | 1M | – |
| Azure | 62 tok/s | 1.30 s | $5.00 | $25.00 | 1M | – |
| Google Vertex | 59 tok/s | 1.28 s | $5.00 | $25.00 | 1M | – |
使用情况
Claude Opus 5 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 | 52.3 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.075 | $0.035 | 56.0 s |
| 代码编辑 | 6,000 / 1,500 | $0.068 | $0.047 | 1.1 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.400 | $0.198 | 1.6 min |
| 结构化信息提取 | 2,000 / 200 | $0.015 | $0.0083 | 51.0 s |
Anthropic 的更多模型
将 Claude Opus 5 与以下模型对比
- Claude Opus 5 vs GPT-6 Astra
- Claude Opus 5 vs Claude Sonnet 5.5
- Claude Opus 5 vs Gemini 4 Argon
- Claude Opus 5 vs Dola Seed 2.0 Pro
- Claude Opus 5 vs Grok 4.7
- Claude Opus 5 vs GLM 5.3
- Claude Opus 5 vs DeepSeek V4.1 Flash 1017
- Claude Opus 5 vs MiMo-V2.5-Pro
- Claude Opus 5 vs MiMo-V2.6-Flash
- Claude Opus 5 vs Grok 4.5
- Claude Opus 5 vs Grok 4
- Claude Opus 5 vs GPT-6.1 Sol
- Claude Opus 5 vs Qwen3.8 Max
- Claude Opus 5 vs Agnes 2.5 Pro Beta
- Claude Opus 5 vs Claude Haiku 5.5
- Claude Opus 5 vs GPT-6.1 Terra
- Claude Opus 5 vs Claude Fable 5.1
- Claude Opus 5 vs Muse Spark Open 816B A42B
- Claude Opus 5 vs Step 5 Preview
- Claude Opus 5 vs Deepseek v4 Flash Vision
- Claude Opus 5 vs Claude Opus 4.7
- Claude Opus 5 vs GPT-5.4
- Claude Opus 5 vs GPT-5.3-Codex
- Claude Opus 5 vs Muse Spark 1.3
- Claude Opus 5 vs Gemini 4 Carbon
- Claude Opus 5 vs Inkling 2 Small
- Claude Opus 5 vs Qwen3.8 27B
- Claude Opus 5 vs Mimo v2 Omni
- Claude Opus 5 vs GPT-5.4 Pro
- Claude Opus 5 vs Kimi K3.1 Pro
- Claude Opus 5 vs Muse Wonder Full
- Claude Opus 5 vs Muse Spark 1.2
- Claude Opus 5 vs GPT-5.6 Sol
- Claude Opus 5 vs Claude Fable 5
- Claude Opus 5 vs Muse Wonder
- Claude Opus 5 vs Muse Spark
- Claude Opus 5 vs GPT-5.5
- Claude Opus 5 vs Gemini 4 Hydrogen
- Claude Opus 5 vs GPT-6 Sol
- Claude Opus 5 vs Claude Opus 4.6
- Claude Opus 5 vs Gemini 3.5 Flash
- Claude Opus 5 vs Muse Spark 1.1
- Claude Opus 5 vs Gemini 3.7 Flash
- Claude Opus 5 vs Qwen3.6 Max
- Claude Opus 5 vs Claude Opus 5.5
- Claude Opus 5 vs Kimi K3.1 Pro Together
- Claude Opus 5 vs Claude Fable 5.2
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Claude Opus 5 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-5)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 5 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-opus-5
BibTeX:
@misc{benchleader_claude_opus_5_20261116,
author = {{BenchLeader}},
title = {{Claude Opus 5 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/claude-opus-5}},
note = {Data as of 2026-11-16}
}常见问题
- Claude Opus 5 的基准测试得分是多少?
- 截至 2026年11月16日,Claude Opus 5(推理强度 max)的 BenchLeader Index 为 65.0 ±1.7(前 25 名)。最强的是数学(70),最弱的是智能体与工具(64)。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 5 排名第几?
- 截至 2026年11月16日,Claude Opus 5(推理强度 max)在 608 个已排名配置中排第 23 名(前 25 名)。另有 75 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 5 每百万 token 的价格是多少?
- 截至 2026年11月16日,Claude Opus 5 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 5 比 GPT-5.6 Sol 更好吗?
- 截至 2026年11月16日,Claude Opus 5(推理强度 max)与 GPT-5.6 Sol(推理强度 max)的质量不相上下(BenchLeader Index 65.0 比 65.3,在 ±3.6 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 5 是什么时候发布的?
- Anthropic 于 2026年7月24日发布了 Claude Opus 5。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 5: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-5。