Sari la conținut
aiqbench

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Anthropic · pașaport de model

Anthropic: Claude Opus 4.1

claude-opus-4-1
  • Doar în cloud
  • Licență Proprietary
  • 200,000 context
  • Lansat 2025-08-05(curatoriat)
14/27axe acoperite
General · LMArena
1,450#71 din 396
Cea mai bună percentilă
88.4Urmarea instrucțiunilor
Poziția în cohortă
55.9mediană 51.6

Ce spun datele

Evaluat pe 14 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

  • 88.4 pct — Urmarea instrucțiunilor (1,458)
  • 87 pct — Programare (1,511)
  • 85.4 pct — Prompturi dificile (1,480)

Neuniform: 58,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 88.4 pct pe Urmarea instrucțiunilor față de 29.5 pct pe Halucinații HHEM (Vectara).

  • Urmarea instrucțiunilor88.4 pct1,458Verifică →
  • Programare87 pct1,511Verifică →
  • Prompturi dificile85.4 pct1,480Verifică →
  • General82.3 pct1,450Verifică →
  • SimpleBench69 pct60.0%Verifică →
  • GPQA Diamond58.4 pct77.3%Verifică →
  • AIME (matematică)49.5 pct68.9%Verifică →
  • Factuality Arena45.9 pct1,435Verifică →
  • Terminal-Bench45.5 pct38.0%Verifică →
  • Humanity's Last Exam43.5 pct11.5%Verifică →
  • FrontierMath40.6 pct7.2%Verifică →
  • SWE-bench Verified40.6 pct73.3%Verifică →
  • WebDev Arena35.3 pct1,390Verifică →
  • Halucinații HHEM (Vectara)29.5 pct88.2%Verifică →
  • Vision ArenaNeevaluat
  • Search ArenaNeevaluat
  • Document ArenaNeevaluat
  • Agent ArenaNeevaluat
  • SimpleQA VerifiedNeevaluat
  • ARC-AGI-2Neevaluat
  • LiveBenchNeevaluat
  • BFCL v4 (apelare de funcții)Neevaluat
  • SWE-bench Verified (clasament live)Neevaluat
  • Terminal-Bench 4.0Neevaluat
  • MMLU-Pro (Artificial Analysis)Neevaluat
  • LiveCodeBench (Artificial Analysis)Neevaluat
  • IFBench (Artificial Analysis)Neevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Folosește-l găzduit

ID de model APIanthropic/claude-opus-4.1
Lungime context200,000 tokeni
Ieșire maximă32,000 tokeni
Acceptăimage, text, file
Preț intrare$15 per 1M tokeni
Preț intrare din cache$1.50 per 1M tokeni
Preț ieșire$75 per 1M tokeni

Parametri API acceptați de acest endpoint

Include reasoningMax tokensReasoningStop sequencesTemperatureTool choiceTool callingTop-kTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"anthropic/claude-opus-4.1","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

  • claude-opus-4-1-20250805-thinking-16k stands at 55.9 (raw mean 57.2) — measured on 14 of 27 axes.

    pozițieșablonVerifică →

  • claude-opus-4-1-20250805-thinking-16k stands at 55.9 versus a cohort median of 51.6 across 145 models released within 180 days — above the peer median.

    cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →