No.24Anthropic2026年5月28日

Claude Opus 4.8

前沿大模型能力评测成绩与细分基准证据链。

综合评测得分

62.3

综合排位

第 24 名

API 参考定价: 输入 ¥33.34 / 输出 ¥166.71 (缓存 ¥3.33) / 每百万 Token

五大领域分项成绩

编程第21名

61.2 分

科研第21名

63.5 分

专业办公第33名

62.5 分

知识问答第20名

64.4 分

实测证据链明细

每一项成绩都有明确来处。列出标准化评测集原始成绩及其统一折算分。

ProgramBenchVals AIMax 推理

原始值 1.0%

折算能力分 80.5

第 15 名

MirrorCodeEpoch AIMax 推理

原始值 65.6%

折算能力分 72.3

第 7 名

Vibe Code Bench v1.1Vals AIMax 推理

原始值 82.7%

折算能力分 65.3

第 24 名

LiveBench CodingLiveBenchMax 推理

原始值 81.8%

折算能力分 62.3

第 36 名

Terminal-Bench 4.0Artificial AnalysisMax 推理

原始值 21.7%

折算能力分 60.9

第 74 名

Terminal-Bench 4.0Vals AIMax 推理

原始值 23.2%

折算能力分 60.6

第 31 名

APEX-SWEMercorMax 推理 · terminus-2 · apex-swe:terminus-2

原始值 43.9%

折算能力分 59.9

第 32 名

Terminal-Bench 4.0Terminal-BenchMax 推理 · Claude Code

原始值 23.6%

折算能力分 58.1

第 26 名

FrontierCode 2.0CognitionMax 推理 · Claude Code

原始值 14.7%

折算能力分 56.5

第 75 名

LiveBench Agentic CodingLiveBenchMax 推理

原始值 50.5%

折算能力分 56.4

第 36 名

SciCodeArtificial AnalysisMax 推理

原始值 54.4%

折算能力分 55.8

第 65 名

Chess PuzzlesEpoch AIMax 推理

原始值 52.0%

折算能力分 68.1

第 17 名

FrontierMath T1–3Epoch AIMax 推理

原始值 80.0%

折算能力分 67.9

第 18 名

CritPtArtificial AnalysisMax 推理

原始值 20.9%

折算能力分 65.3

第 62 名

Humanity's Last ExamArtificial AnalysisMax 推理

原始值 48.7%

折算能力分 65.1

第 33 名

LiveBench ReasoningLiveBenchMax 推理

原始值 89.2%

折算能力分 64.6

第 16 名

ARC-AGI-2ARC PrizeHigh 推理

原始值 72.1%

折算能力分 63.8

第 54 名

Mystery Game PuzzlesEpoch AIMax 推理

原始值 36.0%

折算能力分 63.1

第 23 名

Terminal-Bench ScienceVals AIMax 推理

原始值 4.3%

折算能力分 56.3

第 26 名

Legal Research BenchVals AIMax 推理

原始值 43.8%

折算能力分 66.8

第 24 名

AA-Analyst AgentArtificial AnalysisMax 推理

原始值 45.0%

折算能力分 66.7

第 18 名

MedCodeVals AIMax 推理

原始值 53.2%

折算能力分 65.5

第 10 名

TaxAgentBenchVals AIMax 推理

原始值 30.0%

折算能力分 64.6

第 34 名

GDPval-AAArtificial AnalysisMax 推理

原始值 1,461.8

折算能力分 61.2

第 66 名

AA-BriefcaseArtificial AnalysisMax 推理

原始值 1,319.7

折算能力分 61.0

第 84 名

AutomationBench-AAArtificial AnalysisMax 推理

原始值 45.6%

折算能力分 60.2

第 110 名

APEX-AgentsMercorMax 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent

原始值 48.9%

折算能力分 59.5

第 40 名

LiveBench Data AnalysisLiveBenchMax 推理

原始值 66.0%

折算能力分 50.6

第 60 名

BullshitBench v2BullshitBenchxHigh 推理

原始值 94.0%

折算能力分 124.4

第 2 名

NYT Connections 扩展版Lech MazurxHigh 推理

原始值 91.1%

折算能力分 71.6

第 26 名

LiveBench IFLiveBenchMax 推理

原始值 72.0%

折算能力分 63.8

第 30 名

MLCR-AAArtificial AnalysisMax 推理

原始值 19.4%

折算能力分 63.2

第 55 名

SimpleQA VerifiedEpoch AIMax 推理

原始值 53.0%

折算能力分 62.3

第 23 名

LiveBench LanguageLiveBenchMax 推理

原始值 79.7%

折算能力分 60.0

第 30 名

AA-LCRArtificial AnalysisMax 推理

原始值 77.7%

折算能力分 51.1

第 138 名

Arena TextLMArenaHigh 推理

原始值 1,481.7

折算能力分 62.5

第 25 名

Arena WebDevLMArenaHigh 推理

原始值 1,555.8

折算能力分 58.0

第 44 名

尚未成效的评测项（20 项）

该模型目前在以下公开测试集暂无官方或独立第三方实测成绩，不参与赋分：

Code Migration v1.1CyberBench Patch v1.1FrontierCode 2.0 · AAWeirdML v3FrontierSWE v2TapTap Maker致知 · 逻辑月榜司南 · 推理司南 · 抽象CritPt v2 Hard · AAMysteryMechanismTerminal-Bench Science · AABioMysteryBenchVals Finance Agent v2.1Harvey LAB 1.1 · ValsHarvey LAB 1.1 · AAτ³-Banking · MercorExcel Modeling v1.1AA-Omniscience v1.1司南 · 知识