Claude Opus 4.8
Anthropic· 2026-05-28 上线
综合第 14 名
55.1
编程
56.1第 12 名
科研
56.9第 20 名
专业办公
51.9第 19 名
知识问答
53.3第 27 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 |
|---|---|---|---|---|
| DeepSWE | 59.0% | 51.2 | max | 26 |
| FrontierCode | 46.5% | 57.1 | 未注明 | 46 |
| WebDev Arena | 1,559 | 55.7 | high | 96 |
| ALE-Bench | 1,564 | 57.9 | high | 88 |
| WeirdML | 82.9% | 63.1 | xhigh | 60 |
| GSO | 47.1% | 51.8 | 未注明 | 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） | 80.0% | 58.8 | max | 66 |
| FrontierMath（4 级） | 56.1% | 55.2 | max | 57 |
| CritPt | 20.9% | 58.2 | max | 101 |
| ProofBench | 69.0% | 58.7 | max | 77 |
| OTIS Mock AIME | 98.3% | 55.5 | max | 87 |
| SciCode | 53.5% | 55.2 | 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 | 48.9% | 49.0 | max | 49 |
| Remote Labor Index | 8.3% | 48.4 | 未注明 | 12 |
| OSWorld 2.0 | 20.6% | 56.1 | max | 9 |
| Vending-Bench 2 | $5,787 | 50.4 | 未注明 | 55 |
| DeepResearch Bench | 50.2% | 55.4 | 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 | 53.0% | 54.0 | max | 65 |
| GPQA Diamond | 91.0% | 53.2 | max | 84 |
| SimpleBench | 64.8% | 52.8 | 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 | 72.1% | 不计分 | high | 52 |
| ARC-AGI | 92.5% | 不计分 | max | 52 |
| 国际象棋谜题 | 52.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（max、xhigh、high、medium、low、未注明、none）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。