Claude Opus 4.6
Anthropic· 2026-02-05 上线
综合第 25 名
52.4
编程
53.7第 20 名
科研
50.7第 41 名
专业办公
52.2第 18 名
知识问答
51.8第 32 名
- 评测覆盖
- 19 / 25 项 · 76%
- 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 | 78.7% | 57.0 | 默认 | 22 |
| Terminal-Bench | 79.8% | 63.2 | 未注明 | 29 |
| FrontierCode | 26.6% | 42.5 | 未注明 | 46 |
| WebDev Arena | 1,556 | 55.5 | 未注明 | 96 |
| ALE-Bench | 997 | 47.9 | 默认 | 88 |
| WeirdML | 78.0% | 60.2 | high | 60 |
| GSO | 41.2% | 49.4 | high | 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） | 66.0% | 52.2 | max | 66 |
| FrontierMath（4 级） | 26.8% | 44.8 | max | 57 |
| ProofBench | 50.0% | 52.6 | max | 77 |
| OTIS Mock AIME | 94.4% | 53.1 | 64K | 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 |
|---|---|---|---|---|
| APEX-Agents | 46.3% | 47.1 | max | 49 |
| Remote Labor Index | 4.2% | 42.6 | 未注明 | 12 |
| Vending-Bench 2 | $8,018 | 56.4 | 未注明 | 55 |
| DeepResearch Bench | 55.3% | 62.8 | 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 | 47.0% | 50.5 | max | 65 |
| GPQA Diamond | 90.5% | 52.8 | 32K | 84 |
| Humanity's Last Exam | 34.4% | 48.8 | max | 17 |
| SimpleBench | 67.6% | 55.2 | 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 | 69.2% | 不计分 | 120K | 52 |
| ARC-AGI | 94.0% | 不计分 | 120K | 52 |
| 国际象棋谜题 | 21.0% | 不计分 | max | 88 |
| METR 任务时长 | 78.9% | 不计分 | 未注明 | 10 |
原始成绩取这个模型各个推理档位（未注明、high、max、64K、32K、medium、low、120K）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。