Claude Opus 5.5
Anthropic· 2026-09-22 上线
综合第 2 名
65.3
编程
67.8第 2 名
科研
66.1第 1 名
专业办公
64.3第 5 名
知识问答
59.0第 14 名
- 评测覆盖
- 16 / 25 项 · 64%
- 缓存输入
- ¥1.35
- 输入
- ¥26.90
- 输出
- ¥134.51
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 |
|---|---|---|---|---|
| FrontierCode | 54.6% | 63.2 | medium | 46 |
| FrontierSWE | 62.3% | 65.4 | max | 21 |
| CursorBench | 57.8% | 68.3 | max | 17 |
| WebDev Arena | 1,820 | 73.9 | max | 96 |
| ALE-Bench | 2,147 | 68.2 | high | 88 |
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） | 91.2% | 64.0 | max | 66 |
| FrontierMath（4 级） | 95.0% | 69.1 | max | 57 |
| CritPt | 31.7% | 68.4 | max | 101 |
| ProofBench | 100.0% | 68.6 | max | 77 |
| OTIS Mock AIME | 100.0% | 56.5 | max | 87 |
| SciCode | 66.9% | 69.8 | 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 | 73.5% | 66.6 | max | 49 |
| Remote Labor Index | 21.3% | 66.6 | 未注明 | 12 |
| Vending-Bench 2 | $9,235 | 59.7 | 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 | 72.2% | 65.2 | max | 65 |
| GPQA Diamond | 90.6% | 52.8 | max | 84 |
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 | 93.3% | 不计分 | high | 52 |
| ARC-AGI | 98.5% | 不计分 | high | 52 |
| 国际象棋谜题 | 67.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（medium、max、xhigh、high、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。