Claude Opus 5
Anthropic· 2026-07-24 上线
综合第 8 名
62.3
编程
62.5第 5 名
科研
61.9第 13 名
专业办公
64.4第 4 名
知识问答
60.0第 7 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 |
|---|---|---|---|---|
| DeepSWE | 73.6% | 60.6 | max | 26 |
| FrontierCode | 53.4% | 62.2 | max | 46 |
| FrontierSWE | 52.0% | 59.7 | max | 21 |
| CursorBench | 46.6% | 53.8 | max | 17 |
| WebDev Arena | 1,687 | 64.6 | max | 96 |
| ALE-Bench | 2,165 | 68.5 | high | 88 |
| WeirdML | 91.8% | 68.4 | max | 60 |
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） | 85.6% | 61.4 | max | 66 |
| FrontierMath（4 级） | 73.2% | 61.3 | max | 57 |
| CritPt | 29.1% | 66.0 | max | 101 |
| ProofBench | 99.0% | 68.2 | max | 77 |
| OTIS Mock AIME | 98.9% | 55.8 | max | 87 |
| SciCode | 56.4% | 58.4 | 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 | 65.8% | 61.1 | max | 49 |
| OSWorld 2.0 | 31.4% | 67.1 | max | 9 |
| Vending-Bench 2 | $11,182 | 64.9 | 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 | 59.9% | 58.0 | max | 65 |
| GPQA Diamond | 93.9% | 55.6 | max | 84 |
| SimpleBench | 80.6% | 66.3 | 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 | 90.4% | 不计分 | max | 52 |
| ARC-AGI | 97.5% | 不计分 | max | 52 |
| 国际象棋谜题 | 43.0% | 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）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。