Claude Opus 4.6
Anthropics Frontier-Modell für komplexe Agenten-Aufgaben: Claude Opus 4.6 verarbeitet Text- und Bildeingaben bei einem Standard-Kontextfenster von 200.000 Tokens, das sich für lange Workflows auf eine Million Tokens erweitern lässt. Das Modell unterstützt Tool-Aufrufe und Extended Thinking für maximale Reasoning-Tiefe.
- Proprietär
- Frontier
- API
- Text
- Vision
- Agentic Orchestrator
- Long Context
- Interactive
Sovereign Risk: MEDIUM Anthropic ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act; die Modellgewichte sind nicht öffentlich zugänglich.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 76.1
- Routine
- 45.66
- Reasoning
- 30.43
- LLM Judge Avg
- 3.87 / 5
- 100 Coverage
- Avg Task Duration
- 33.97s
- Interactive
- Token Rate
- 44tok/s
- Output Rate
- P95 Latency
- 101.73s
- Top 5 %
- Total Tokens
- 111000
- Output Volume
- Cost per 1K
- $0.025
- USD / 1K Requests
- Benchmark Cost
- $2.78
- Total · 111000 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Claude Opus 4.6
Bestes Modell
Ø Alle Modelle
Code Quality
81.76
CLI Benchmark
81.87
Logical Reasoning
76.66
UX Writing
75.83
Documentation
82.03
Content Transform.
72.28
Cultural Intelligence
75.32
Synthesis Quality
51.67
Tool Execution
83.33
ToolUse Score
65.92
Benchmark Cost
$2.78
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.