Claude Opus 4.7
Anthropic· 2026-04-16 上线
综合第 15 名
55.0
编程
57.3第 10 名
科研
52.7第 35 名
专业办公
55.7第 12 名
知识问答
51.6第 36 名
- 评测覆盖
- 20 / 25 项 · 80%
- 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 | 83.5% | 66.7 | max | 22 |
| Terminal-Bench | 80.2% | 63.5 | 未注明 | 29 |
| FrontierCode | 38.5% | 51.3 | 未注明 | 46 |
| WebDev Arena | 1,567 | 56.2 | 未注明 | 96 |
| ALE-Bench | 1,323 | 53.7 | 默认 | 88 |
| WeirdML | 76.4% | 59.4 | high | 60 |
| GSO | 44.1% | 50.6 | 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） | 70.2% | 54.2 | max | 66 |
| FrontierMath（4 级） | 31.7% | 46.5 | max | 57 |
| CritPt | 12.0% | 49.9 | max | 101 |
| ProofBench | 54.0% | 53.9 | max | 77 |
| OTIS Mock AIME | 97.8% | 55.2 | xhigh | 87 |
| SciCode | 54.5% | 56.4 | max | 97 |
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 | 49.2% | 49.2 | max | 49 |
| OSWorld 2.0 | 18.2% | 53.6 | max | 9 |
| Vending-Bench 2 | $10,937 | 64.2 | 未注明 | 55 |
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 | 51.7% | 53.2 | xhigh | 65 |
| GPQA Diamond | 90.2% | 52.5 | xhigh | 84 |
| Humanity's Last Exam | 36.2% | 50.4 | 未注明 | 17 |
| SimpleBench | 61.7% | 50.2 | 未注明 | 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 | 75.8% | 不计分 | max | 52 |
| ARC-AGI | 93.5% | 不计分 | high | 52 |
| 国际象棋谜题 | 41.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（max、未注明、high、xhigh、medium、low）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。