Claude Opus 4.5
Anthropic· 2025-11-24 上线
综合第 41 名
48.1
编程
50.4第 29 名
科研
42.7第 72 名
专业办公
50.7第 23 名
知识问答
47.4第 46 名
- 评测覆盖
- 17 / 25 项 · 68%
- 缓存输入
- ¥3.36
- 输入
- ¥33.63
- 输出
- ¥168.13
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SWE-bench Verified | 76.7% | 52.8 | 默认 | 22 |
| Terminal-Bench | 63.1% | 54.5 | 未注明 | 29 |
| WebDev Arena | 1,495 | 51.2 | 32K | 96 |
| ALE-Bench | 1,025 | 48.4 | 16K | 88 |
| WeirdML | 63.7% | 51.9 | 16K | 60 |
| GSO | 26.5% | 43.3 | 默认 | 16 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 34.4% | 37.5 | 32K | 66 |
| FrontierMath（4 级） | 4.9% | 36.9 | 32K | 57 |
| ProofBench | 36.0% | 48.1 | 未注明 | 77 |
| OTIS Mock AIME | 86.1% | 48.1 | 32K | 87 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| GDPval | 45.5% | 不计分 | 默认 | 3 |
| Remote Labor Index | 3.8% | 42.0 | 未注明 | 12 |
| Vending-Bench 2 | $4,967 | 48.2 | 未注明 | 55 |
| DeepResearch Bench | 54.8% | 62.0 | high | 14 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 45.7% | 49.7 | 32K | 65 |
| GPQA Diamond | 86.0% | 49.0 | 32K | 84 |
| Humanity's Last Exam | 25.2% | 40.5 | 未注明 | 17 |
| SimpleBench | 62.0% | 50.4 | 默认 | 39 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 37.6% | 不计分 | 64K | 52 |
| ARC-AGI | 80.0% | 不计分 | 64K | 52 |
| 国际象棋谜题 | 14.0% | 不计分 | 59K | 88 |
| METR 任务时长 | 75.0% | 不计分 | 16K | 10 |
原始成绩取这个模型各个推理档位（未注明、128K、32K、16K、high、low、64K、8K、59K）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。