自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: 综合评估 +41.0 / 相对落后: 暂无明显落后
相对优势: 暂无明显优势 / 相对落后: 综合评估 -41.0
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
Claude Opus 4.6 · 73.85
单项最高
Claude Opus 4.6 · AIME2025 99.79
模态覆盖
Claude Opus 4.6 · 2 种模态
正面对比
11
评测基准
10
领先项
1
落后项
+26.70
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
11 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Claude Opus 4.6 | Claude Opus 4 |
|---|---|---|
ARC-AGI 综合评估 | 92.00扩展思考 | 35.70常规模式 |
ARC-AGI-2 综合评估 | 66.30扩展思考 | 8.60常规模式 |
GPQA Diamond 综合评估 | 91.31扩展思考 | 79.60常规模式 |
HLE 综合评估 | 53.00扩展思考 ｜ 工具 | 10.70常规模式 |
LiveCodeBench 编程与软件工程 | 76.00扩展思考 | 56.60常规模式 |
SWE-bench Verified 编程与软件工程 | 80.84扩展思考 ｜ 工具 | 72.50常规模式 |
AIME2025 数学推理 | 99.79扩展思考 | 75.50常规模式 |
FrontierMath 数学推理 | 40.70思考水平·高 | 4.50常规模式 |
22.90思考水平·高 | 4.20开启思考 | |
MATH-500 数学推理 | 97.60扩展思考 | 98.20常规模式 |
τ²-Bench Agent能力评测 | 91.89扩展思考 ｜ 工具 | 72.50开启思考 ｜ 工具 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | Claude Opus 4.6Anthropic | Claude Opus 4Anthropic |
|---|---|---|
核心规格发布时间 | 2026-02-05 | 2025-05-23 |
上下文 | 1000K | 200K |
最大输出 | 65536 | 32000 |
MoE 架构 | 不支持 | 不支持 |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 不开源 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
资料来源论文 / 报告 | Introducing Claude Opus 4.6 | Introducing Claude 4 |
DataLearner 博客 | 未提供 | Anthropic发布Claude4，全球最强编程大模型，大幅提升AI Agent系统所需的各项能力，最长可以7小时连续工作，80%工程任务自主完成 |
Claude Opus 4
Anthropic
