This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Anthropic has launched a newer model, Claude Opus 4.7 (Non-reasoning, high). We suggest considering it instead.

For more information, see comparison of Claude Opus 4.7 (Non-reasoning, high) to other models and API provider benchmarks for Claude Opus 4.7 (Non-reasoning, high).

Anthropic

•

Claude Opus 4.6

•

Proprietary model

•

Released 2026年2月

Claude Opus 4.6 (Non-reasoning, High Effort)の知能、性能、料金の分析

試す APIプロバイダーのベンチマーク

知能Updated

Artificial Analysis Intelligence Index

コスト

入力 $5.00出力 $25.00キャッシュ割引 90%

該当なし

Intelligence Indexのタスクあたりのコスト

冗長性

該当なし

Intelligence Indexでの出力トークン数

Claude Opus 4.6 (Non-reasoning, High Effort)の知能は最先端モデルの一群に入りますが、料金は特に高価です。これは同程度の料金の他の非推論モデルと比較した場合です。このモデルはテキスト、画像入力に対応し、テキストを出力します。コンテキストウィンドウは1Mトークンです。

Claude Opus 4.6 (Non-reasoning, High Effort)のArtificial Analysis Intelligence Indexスコアは26で、同等のモデルの中では平均を大きく上回る水準です（中央値：15）。

Claude Opus 4.6 (Non-reasoning, High Effort)の料金は入力100万トークンあたり$5.00（高価、中央値：$1.75）、出力100万トークンあたり$25.00（高価、中央値：$9.00）です。

Claude Opus 4.6 (Non-reasoning, High Effort)の出力速度は毎秒37トークンで、特に遅い水準です（70）。

推論	いいえこのページでは、このモデルの非推論版を表示しています。推論版も存在する可能性があります。
入力モダリティ	対応：テキスト、画像
出力モダリティ	対応：テキスト
コンテキストウィンドウ	1M Arial 12ポイントのA4用紙約1500ページ分

各指標は同じクラスのモデルと比較します。

非推論モデル → 他の非推論モデルとのみ比較
推論モデル → 推論モデルと非推論モデルの両方と比較
オープンウェイトモデル → 同じ規模クラスの他のオープンウェイトモデルとのみ比較：

極小：パラメーター数≤4B
小：パラメーター数4B～40B
中：パラメーター数40B～150B
大：パラメーター数>150B

独自モデル → 入力／出力のブレンド料金を3:1として、同じ料金帯の独自モデルとオープンウェイトモデルを比較：

100万トークンあたり<$0.15
100万トークンあたり$0.15～$1
100万トークンあたり>$1

ハイライト

Updated

知能

Artificial Analysis Intelligence Index · Higher is better

速度

Output tokens per second · Higher is better

タスクあたりの費用

Weighted average cost (USD) per Intelligence Index task · Lower is better

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3 incorporates 10 evaluations: AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench v4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3 includes: AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench v4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Estimate (independent evaluation forthcoming)

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

ベンチマーク

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench v4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPt

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

IFBench

Instruction following

𝜏³-Banking

Agentic tool use

APEX-Agents-AA

Long-horizon agentic tasks

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Intelligence Indexの比較

Intelligence Index vs. Cost per Intelligence Index Task

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

費用

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

コンテキストウィンドウ

Context Window

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

速度

出力速度（1秒あたりのトークン数）で測定

Output Speed

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Time per Intelligence Index Task

Weighted average decode time (minutes) per task; excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

遅延

最初のトークンまでの時間（秒）で測定

Latency: Time To First Answer Token

Seconds to first answer token received · Accounts for reasoning model 'thinking' time

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

エンドツーエンド応答時間

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

End-to-End Response Time

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

よくある質問

Claude Opus 4.6 (Non-reasoning, High Effort)に関するよくある質問

Claude Opus 4.6 (Non-reasoning, High Effort)は2026年2月5日にリリースされました。

Claude Opus 4.6 (Non-reasoning, High Effort)はAnthropicが開発しました。

Claude Opus 4.6 (Non-reasoning, High Effort)のArtificial Analysis Intelligence Indexの推定スコアは26で、同程度の料金帯の他の非推論モデルの中では平均を大きく上回る水準です（中央値：15）。

Claude Opus 4.6 (Non-reasoning, High Effort)の出力速度は毎秒37.1トークンです（AnthropicのAPIに基づく）。同程度の料金帯の他の非推論モデルと比べて下位水準です（中央値：70.1 t/s）。

Claude Opus 4.6 (Non-reasoning, High Effort)の最初のトークンまでの時間（TTFT）は2.09秒です（AnthropicのAPIに基づく）。同程度の料金帯の他の非推論モデルと比べて平均よりやや長い水準です（中央値：1.34秒）。

Claude Opus 4.6 (Non-reasoning, High Effort)の料金は入力100万トークンあたり$5.00（高い部類、中央値：$1.75）、出力100万トークンあたり$25.00（高い部類、中央値：$9.00）です。AnthropicのAPIに基づきます。

Claude Opus 4.6 (Non-reasoning, High Effort)の料金は入力100万トークンあたり$5.00、出力100万トークンあたり$25.00です（AnthropicのAPIに基づく）。キャッシュヒット／入力／出力を7:2:1とするブレンド料金は、100万トークンあたり$3.85です。料金はプロバイダーによって異なる場合があります。プロバイダー料金を比較

いいえ。Claude Opus 4.6 (Non-reasoning, High Effort)は推論モデルではありません。思考の連鎖による長い推論を行わず、直接回答します。

Claude Opus 4.6 (Non-reasoning, High Effort)はテキスト、画像入力に対応しています。

Claude Opus 4.6 (Non-reasoning, High Effort)はテキスト出力に対応しています。

はい。Claude Opus 4.6 (Non-reasoning, High Effort)は画像入力に対応し、画像の分析、説明、画像に関する質問への回答が可能です。

はい。Claude Opus 4.6 (Non-reasoning, High Effort)はマルチモーダルです。テキスト、画像入力を処理し、テキスト出力を生成できます。

Claude Opus 4.6 (Non-reasoning, High Effort)のコンテキストウィンドウは1.0Mトークンです。これは、モデルが1回のリクエストで処理できるテキストと会話履歴の量を決定します。

いいえ。Claude Opus 4.6 (Non-reasoning, High Effort)は独自モデルで、モデルウェイトは一般公開されていません。

Claude Opus 4.6 (Non-reasoning, High Effort)は独自モデルであり、Anthropicはモデルの規模やパラメーター数を開示していません。

Claude Opus 4.6 (Non-reasoning, High Effort)のArtificial Analysis Intelligence Indexスコアは26です。この複合ベンチマークでは、推論、知識、数学、コーディングについてモデルを評価します。

はい。Claude Opus 4.6 (Non-reasoning, High Effort)は4社のプロバイダーを通じてAPIで利用できます。 APIプロバイダーを比較

Claude Opus 4.6 (Non-reasoning, High Effort)は4社のAPIプロバイダーを通じて利用できます。プロバイダーを比較

Claude Opus 4.6 (Non-reasoning, High Effort)の知能、性能、料金の分析

モデル概要

知能Updated

速度

コスト

冗長性

比較の概要

技術仕様

このクラスのモデル：63件

知能

速度

タスクあたりの費用

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

ベンチマーク

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Intelligence Indexの比較

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

費用

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

コンテキストウィンドウ

Context Window

Context Window for RAG

Context Window

速度

Output Speed

Output Speed

Model Performance Representation

Time per Intelligence Index Task

Time per Intelligence Index Task

遅延

Latency: Time To First Answer Token

Time to First Answer Token

エンドツーエンド応答時間

End-to-End Response Time

End-to-End Response Time

Model Performance Representation

よくある質問

Claude Opus 4.6 (Non-reasoning, High Effort)はいつリリースされましたか？

Claude Opus 4.6 (Non-reasoning, High Effort)の開発元はどこですか？

Claude Opus 4.6 (Non-reasoning, High Effort)の知能はどの程度ですか？

Claude Opus 4.6 (Non-reasoning, High Effort)の出力速度はどの程度ですか？

Claude Opus 4.6 (Non-reasoning, High Effort)の遅延はどの程度ですか？

Claude Opus 4.6 (Non-reasoning, High Effort)の料金はいくらですか？

Claude Opus 4.6 (Non-reasoning, High Effort) APIの料金はいくらですか？

Claude Opus 4.6 (Non-reasoning, High Effort)は推論モデルですか？

Claude Opus 4.6 (Non-reasoning, High Effort)はどの入力モダリティに対応していますか？

Claude Opus 4.6 (Non-reasoning, High Effort)はどの出力モダリティに対応していますか？

Claude Opus 4.6 (Non-reasoning, High Effort)は画像を処理できますか？

Claude Opus 4.6 (Non-reasoning, High Effort)はマルチモーダルですか？

Claude Opus 4.6 (Non-reasoning, High Effort)のコンテキストウィンドウはどのくらいですか？

Claude Opus 4.6 (Non-reasoning, High Effort)はオープンソースですか？

Claude Opus 4.6 (Non-reasoning, High Effort)のパラメーター数はいくつですか？

Claude Opus 4.6 (Non-reasoning, High Effort)のベンチマーク性能はどの程度ですか？

Claude Opus 4.6 (Non-reasoning, High Effort)はAPIで利用できますか？

Claude Opus 4.6 (Non-reasoning, High Effort)はどこで利用できますか？