Claude Opus 4.7
Seit Mitte April 2026 ist Claude Opus 4.7 das stärkste Modell von Anthropic und auf Coding, Agenten-Loops und komplexes Reasoning ausgelegt. Das xhigh Effort Level treibt das Extended Thinking auf maximale Tiefe, das Kontextfenster umfasst eine Million Tokens ohne Aufpreis für lange Kontexte.
- Proprietär
- Frontier
- API
- Text
- Vision
- Long Context
- Interactive
Sovereign Risk: MEDIUM Anthropic ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act. Closed-Source-Modell mit First-Party-Sicherheitsfiltern (Anthropic Safety); keine Gewichte verfügbar.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 79.27
- Routine
- 47.61
- Reasoning
- 31.67
- LLM Judge Avg
- 3.97 / 5
- 100 Coverage
- Avg Task Duration
- 20.73s
- Interactive
- Token Rate
- 53.07tok/s
- Output Rate
- P95 Latency
- 53.11s
- Top 5 %
- Total Tokens
- 109100
- Output Volume
- Cost per 1K
- $0.025
- USD / 1K Requests
- Benchmark Cost
- $2.73
- Total · 109100 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Claude Opus 4.7
Bestes Modell
Ø Alle Modelle
Code Quality
75.2
CLI Benchmark
93
Logical Reasoning
77.13
UX Writing
72.29
Documentation
79.75
Content Transform.
78.48
Cultural Intelligence
82.36
Synthesis Quality
76.67
Tool Execution
90
ToolUse Score
82.83
Benchmark Cost
$2.73
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.