Skip to content

Claude Opus 5.5

Data source: AIHOT

Model data is shown as published (Chinese).

← Leaderboard
Anthropic

Released: 2026-09-22 · Context: 1M tokens

74.1

Overall rank 4

Official API prices ¥ / million tokens

Input
¥26.66 ($4)
Output
¥133.32 ($20)
Cache hits
¥1.33 ($0.2)
Official pricing ↗

Domain capabilities

BoardRankScoreBenchmarks
综合474.157
编程374.616
科研575.415
专业办公473.413
知识问答1070.48

编程 · 74.6

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
ProgramBench ↗

只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。

Vals AI18.5%95.222026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 12%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MirrorCode ↗

看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。

Epoch AI95.6%94.122026-11-18
Notes

通过率高于 95%,只说明“至少这么强”。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Code Migration v1.1 ↗

把现有程序改写成另一种编程语言,用隐藏测试检查行为是否一致。

Vals AI81.0%78.432026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 32%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Cognition47.3%7832026-11-18
Notes

代表配置:Max 推理 · Claude Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。

Terminal-Bench65.8%77.822026-11-18
Notes

代表配置:Max 推理 · Claude Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

WeirdML v3 ↗

面对陌生数据,弄清问题并做出机器学习或数据分析方案。

Håvard Tveit Ihle31.3%77.342026-11-18
Notes

代表配置:xHigh 推理 · claude_code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

FrontierSWE v2 ↗

每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。

Proximal Labs61.9%77.342026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Vals AI65.2%76.912026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 11%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Artificial Analysis46.4%76.172026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor67.6%75.412026-11-18
Notes

代表配置:Max 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis59.6%73.2112026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Coding ↗

写函数、补全代码,题目定期换新,答案自动跑测试核对。

LiveBench89.3%72.912026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TapTap Maker ↗

在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。

TapTap Maker86.9%72.932026-11-18
Notes

代表配置:xHigh 推理 · claude。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

LiveBench Agentic Coding ↗

在真实代码仓库里查找并修复问题,再用测试检查改动。

LiveBench71.7%7212026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SciCode ↗

把物理、化学、生物等科研问题写成能运行、算得对的计算代码。

Artificial Analysis66.9%71.522026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI90.3%70.762026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 8%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CyberBench Patch v1.1 ↗

修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。

Vals AI85.7%62.8142026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 2%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

科研 · 75.4

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
FrontierMath T1–3 ↗

解数学家原创的高难数学题,给出可以核对的答案。

Epoch AI91.2%79.552026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Artificial Analysis59.0%78.9192026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Vals AI47.1%78.762026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 3%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Mystery Game Puzzles ↗

看文字描述的游戏局面,找出最好的下一步。

Epoch AI71.0%78.472026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MysteryMechanism ↗

自己设计实验,去推断一套隐藏的规律。

Vals AI49.5%7842026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 不到 1%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt v2 Hard ↗

修订版研究级物理题里较难的 40 道,可以写代码辅助演算。

Artificial Analysis68.0%77.8162026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Chess Puzzles ↗

看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。

Epoch AI67.0%76.982026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

ARC-AGI-2 ↗

从几个网格图案的例子中找出变换规则,再解一道新题。

ARC Prize91.7%76.3172026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis61.4%75.552026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

致知 · 逻辑月榜 ↗

个人长期维护的难题榜:用中文出的逻辑、数学、空间和编程题,看模型能不能想清楚。

llm201463.6%75.162026-11-18
Notes

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

BioMysteryBench ↗

分析真实的生物数据,推断出背后的生物学答案。

Vals AI79.3%72.852026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 21%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis31.7%71.962026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

司南 · 推理 ↗

逻辑、数量、空间与物理推理,以及批判性思维。

OpenCompass84.6%71.622026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Reasoning ↗

斑马谜题、空间推理、情境推理这类题,答案自动核对。

LiveBench92.2%69.732026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

司南 · 抽象 ↗

考查注意与扫描、语言理解、识别相关信息和抽象概念。

OpenCompass75.0%67.362026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 73.4

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis1,799.979.122026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor73.5%76.872026-11-18
Notes

代表配置:Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis1,866.376.112026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI44.5%7672026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 1%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

τ³-Banking ↗

扮演银行客服跟模拟客户对话:查政策、找产品、改账户。

Mercor55.0%7562026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Analyst Agent ↗

分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。

Artificial Analysis56.3%74.872026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Excel Modeling v1.1 ↗

在 Excel 里搭财务模型:在模板上补全,或者从零建表。

Vals AI75.8%72.762026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI50.5%72.592026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 2%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Finance Agent v2.1 ↗

金融分析师的日常工作:查公司财报、做计算和分析。

Vals AI67.8%71.722026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 1%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis69.5%71.5242026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Harvey LAB-AA v1.1 ↗

读法律资料并完成文书,逐项评分,有重大捏造则该题记零。

Artificial Analysis4.2%68222026-11-18
Notes

通过率低于 5%,只说明“至多这么强”。评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Data Analysis ↗

处理表格重排、表格连接和连续事件分析等数据题。

LiveBench80.3%6882026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Harvey 法律 Agent 基准 v1.1 ↗

处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。

Vals AI9.2%61.5282026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MedCode ↗

读住院记录,给出标准的医疗诊断编码。

Vals AI49.8%—192026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

知识问答 · 70.4

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
AA-Omniscience v1.1 ↗

各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。

Artificial Analysis48.182.492026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SimpleQA Verified ↗

一句话就能答的事实问题,看答得对不对。

Epoch AI72.2%79.382026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

司南 · 知识 ↗

应用科学、日常生活、自然科学和人文社科等方面的知识题。

OpenCompass80.0%7812026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MLCR-AA ↗

读很长的医疗记录回答问题,答案要完整且不能违背原始记录。

Artificial Analysis27.8%73.3342026-11-18
Notes

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

BullshitBench v2 ↗

问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。

BullshitBench62.0%70.6272026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Language ↗

纠正错字、把打乱的情节排回原序、给词语分组等语言题。

LiveBench86.3%70.1282026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur88.5%68.2402026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis84.7%60.462026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench IF ↗

按一串具体的格式和内容要求作答,看能不能条条做到。

LiveBench65.7%55.8282026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 75.9

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,815.682.922026-11-18
Notes

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,506.872.342026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Benchmarks without results

    Recent news

    11-18微软发布 MAI Code 2 与 MAI Code 2 Flash,5% 成本达 Claude Opus 5.5 约 96% 性能IT之家·人工智能

    11-15Anthropic 建议弃用过时提示词习惯以充分发挥 Claude Opus 5.5The Decoder:AI News

    11-13Anthropic 建议把 Claude Opus 5.5 作为知识工作的日常主力模型Claude:Blog

    11-11OpenRouter 实测最佳 OCR 模型:Claude Opus 5.5 最准,Mistral OCR 性价比最高OpenRouter:Announcements

    11-10Apple 论文:AMP1 让 Claude Opus 5.5 等通用模型零样本操控机械臂胜过 VLARohan Paul

    11-09Simon Willison 实测用 Claude Opus 5.5 把 Three.js 项目移植为 Vanilla JS + WebGLSimon Willison 博客