| Параметр | Значение |
|---|---|
| Разработчик | Anthropic[1][2][6] |
| Цена API за 1M токенов | $15 ввод, $75 вывод |
| Доступность | Claude[3] API, Amazon Bedrock, Google Cloud Vertex AI |
Из поста Anthropic о запуске Claude 4 и его таблицы бенчмарков; результаты — с одной попытки, без параллельных вычислений при тесте. Контекстного окна и максимального вывода в посте нет. · источник
Estimate from the version's published specs, benchmarks and reviews, 0-5; scores are only comparable within one criteria year. Scored as launched (Claude Opus 4, 22 May 2025): 200K-token input window (Willison: 'still stuck at 200,000'; Latent Space AINews: 200K tokens, text and vision in; OpenRouter page: 200K); list price $15 in / $75 out per 1M tokens = $30 blended at 3:1 (Anthropic); text and image input. Anthropic: SWE-bench Verified 72.5%, original Terminal-Bench 43.2% - not Terminal-Bench 4.0, so coding is null rather than borrowed; Anthropic's GPQA Diamond 79.6% (Willison) has no AA-index anchor. Reasoning null (no launch-version AA index opened), speed null. Reviews: Zvi, 16x Engineer (own eval set, 25 May 2025), TechCrunch, Latent Space AINews; all are early reactions.[1]
If you don't care about price or speed, Opus is probably the best model available today.
Claude Opus 4 should be used when you need the most concise, precise code generation, particularly for complex tasks requiring sustained focus. However, at $15/$75 per million tokens (input/output), it comes at a premium price point.
To be clear, these improvements haven't yielded the world's best models by every benchmark. For example, while Opus 4 beats Google's Gemini 2.5 Pro and OpenAI's o3 and GPT-4.1 on SWE-bench Verified, which is designed to evaluate a model's coding abilities, it can't surpass o3
@gallabytes noted that while Claude4 is fun to code with, it's still not as good as Gemini at writing correct code on the first try, but the code it writes is a lot cleaner & easier to test.
| Anthropic's new Claude 4 AI models can reason over many steps · 22 мая 2025 г. | 0.10 |
|---|---|
| Anthropic releases Claude 4 Sonnet and Opus: Memory, Agent Capabilities, Claude Code, Redteam Drama · 22 мая 2025 г. | 0.20 |
| Claude Opus 4 and Claude Sonnet 4 Evaluation Results · 25 мая 2025 г. | 0.30 |
| Claude 4 You: The Quest for Mundane Utility · 26 мая 2025 г. | 0.80 |
Фото читателей, отдельно от медиа пина с источниками. Оцените то, что вы ели или видели, а в пине ресторана отметьте блюда прямо на своём фото.
Первая запись — всегда источник пина. Общая достоверность — это взвешенное среднее того, насколько каждый источник подтверждает указанные выше время начала и окончания; вес источника уменьшается вдвое за каждые 180 дней разницы с самым новым.
Публикация Anthropic[2][6] датирована «22 мая 2025 г.»: «Сегодня мы представляем следующее поколение моделей Claude[3]: Claude Opus 4 и Claude Sonnet 4», «доступных в нашем API, Amazon Bedrock и Vertex AI от Google Cloud»; CNBC[4] и TechCrunch[5] сообщили о запуске в тот четверг.
Anthropic's[1][6] system card: training data from the public internet as of March 2025; in a fictional test where it learns it will be replaced and the engineer responsible is having an affair, Claude[3] Opus 4 "will often attempt to blackmail the engineer" - in 84% of rollouts even when the replacement shares its values.
Anthropic[1][2][6] notified developers on 14 April 2026 that Claude Opus 4 (claude-opus-4-20250514) would be retired; it was retired on 15 June 2026, with claude-opus-4-8 as the replacement.
CNBC's same-day report (datePublished 2025-05-22T16:42Z): "Anthropic[1][2][6], the Amazon-backed OpenAI rival, on Thursday launched its most powerful group of AI models yet: Claude[3] 4"; Opus 4 is the "best coding model in the world" and could work autonomously for nearly a full corporate workday - seven hours - per chief science officer Jared Kaplan.
TechCrunch (9:45 AM PDT, 22 May 2025): launched at Anthropic's[1][2][6] inaugural developer conference; only paying users get Opus 4, priced at $15/$75 per million tokens on the API, Bedrock and Vertex AI; it beats Gemini 2.5 Pro, o3 and GPT-4.1 on SWE-bench Verified but not o3 on MMMU or GPQA Diamond.
Чего-то не хватает или есть ошибка? Напишите своими словами: ссылку, подтверждающую этот пин, другую дату начала или окончания и почему, или факт, которого нет или который неверен. ИИ сверит это с источниками пина, поищет лучшие и добавит любую страницу, которая вас подтверждает. Собственные источники пина всё равно весят больше всего. Изображение, на котором показано что-то другое или показано плохо, тоже проверяется и опускается ниже или заменяется.
Оригинальное название: Claude Opus 4 Released
| Бенчмарк | Claude Opus 4 | Claude Sonnet 4 | Claude Sonnet 3.7 | OpenAI o3 | OpenAI GPT-4.1 | Gemini 2.5 Pro Preview (05-06) |
|---|---|---|---|---|---|---|
| SWE-bench Verified¹˒⁵ (агентное программирование) | 72.5% / 79.4% | 72.7% / 80.2% | 62.3% / 70.3% | 69.1% | 54.6% | 63.2% |
| Terminal-bench²˒⁵ (агентное программирование в терминале) | 43.2% / 50.0% | 35.5% / 41.3% | 35.2% | 30.2% | 30.3% | 25.3% |
| GPQA Diamond⁵ (рассуждения уровня магистратуры) | 79.6% / 83.3% | 75.4% / 83.8% | 78.2% | 83.3% | 66.3% | 83.0% |
| TAU-bench (агентное использование инструментов) | Розница 81.4%, Авиаперевозки 59.6% | Розница 80.5%, Авиаперевозки 60.0% | Розница 81.2%, Авиаперевозки 58.4% | Розница 70.4%, Авиаперевозки 52.0% | Розница 68.0%, Авиаперевозки 49.4% | — |
| MMMLU³ (многоязычные вопросы и ответы) | 88.8% | 86.5% | 85.9% | 88.8% | 83.7% | — |
| MMMU, валидация (визуальные рассуждения) | 76.5% | 74.4% | 75.0% | 82.9% | 74.8% | 79.6% |
| AIME 2025⁴˒⁵ (олимпиада по математике для старшеклассников) | 75.5% / 90.0% | 70.5% / 85.0% | 54.8% | 88.9% | — | 83.0% |
¹ Opus 4 и Sonnet 4 набирают 72.5% и 72.7% pass@1 с инструментами bash/editor, в среднем по 10 испытаниям. ² 39.2% и 33.5% с тем же агентом, что и у моделей не от Claude; 43.2% и 35.5% с Claude Code в качестве агентного фреймворка. ³ Среднее по 14 неанглийским языкам. ⁴ Запуск с nucleus sampling, top_p 0.95. ⁵ Второе значение использует параллельные вычисления на этапе тестирования: выбирается несколько попыток, и лучшая определяется внутренней оценочной моделью.