Claude · claude-opus-4-5-20251101
Claude 旗舰模型，适用于深度推理、代码编写与长周期智能体。
三种买法各挑一个最划算的。点卡片看这一种的全部选择。
Claude 旗舰模型，适用于深度推理、代码编写与长周期智能体。
三种买法各挑一个最划算的。点卡片看这一种的全部选择。
折扣与价格评分按全球的官方价计算
| 计价项 | 适用范围 | 官方价格 |
|---|---|---|
| 缓存读取 | 全球 | 3.333 CNY每百万 Token |
| 缓存写入 | 全球 | 41.66 CNY每百万 Token |
| 输入 | 全球 | 33.33 CNY每百万 Token |
| 输出 | 全球 | 166.63 CNY每百万 Token |
不同地方写法可能不一样，列在这里方便你对上号。名字太模糊、认不准的不会公开。
这个模型还没有综合能力指数，排不出名次，下面是它的单项成绩。
科学难题、数学和没见过的新题，看它想得清不清楚。
从没见过的图形规律题，靠现场推理而不是背题。看它遇到新问题会不会举一反三。
数学家出的前沿数学题，题目不公开、难以刷分。做数学、算法、量化时看这项。
研究生水平的物理、化学、生物难题。拿它做研究、分析复杂问题时看这项。
答得对不对、会不会编造，查资料和写正式内容时最要紧。
简短的事实问答，答错或编造都扣分。拿它查资料、写要求准确的内容时看这项。
厂商官方接口的实测中位数，看它回答快不快；不代表任何中转站线路的快慢。
厂商官方接口开始回答后，每秒能吐出多少 Token 的实测中位数。不代表中转站线路的快慢。
向厂商官方接口提问后，要等几秒才看到回答的第一个字（思考模型包括思考时间）的实测中位数。越短越好，不代表中转站线路。
这些评测停止更新、有成绩的模型太少或者和选购关系不大，成绩仅供参考，不影响上面的名次和用途筛选。
在网络安全任务中无分步提示完成的比例；结果包含任务环境与执行流程。
不再排行的原因：测的是网络攻防能力，和挑选日常使用的模型关系不大。
让模型自己上网查资料、综合整理并给出处。拿它做调研报告时看这项。
不再排行的原因：有成绩的在售模型太少，排不成榜。
面向真实经济任务的产出质量比较；结果依赖任务执行配置。
不再排行的原因：有成绩的在售模型太少，排不成榜。
模型能独立做完多长时间的任务（按人类专家要花的分钟数算）。让它长时间自己干活时看这项。
不再排行的原因：评测方已经很久没测新模型，排名反映不了现在的模型。
在真实电脑环境中完成跨应用任务；成绩取决于模型、Agent 和工具环境。
不再排行的原因：有成绩的在售模型太少，排不成榜。
在真实 GitHub 问题上修复代码；结果依赖 Agent 与工具链。
不再排行的原因：题目和答案已经流进模型训练数据，OpenAI 等厂商已停止采用这项成绩。
让模型在命令行里独立完成装环境、改代码、跑测试等真实工程任务。用它写代码、做自动化时看这项。
不再排行的原因：有成绩的在售模型太少，排不成榜。
Epoch AI 把几十项前沿评测合成的一个能力指数，用来看模型整体有多强。
不再排行的原因：综合能力已改按 Artificial Analysis 智能指数排名（覆盖的在售模型多一倍）；Epoch 综合指数留作第二来源参考。
上百个学科专家出的最难考题。看它知识面有多深、多广。
不再排行的原因：有成绩的在售模型太少，排不成榜。
普通人一眼能答对、模型却容易掉坑的常识题。看它日常对话靠不靠谱。
不再排行的原因：有成绩的在售模型太少，排不成榜。
还没有人点评。用过的话，写下第一条真实体验，帮后来的人少踩坑。
发布模型点评