Claude Opus 4

Fiche modèle · Anthropic · claude-opus-4-20250514

Claude Opus 4 is Anthropic's most powerful model and the world's best coding model, part of the Claude 4 family. It delivers sustained performance on complex, long-running tasks and agent workflows. Opus 4 excels at coding, advanced reasoning, and can use tools (like web search) during extended thinking. It supports parallel tool execution and has improved memory capabilities.

Fiches modèles

Identité

Organisation	Anthropic
Pays	—
Famille	—
Type	llm
Date de sortie	2025-05-22
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	—
KV cache / token (Q8)	—
Paramètres totaux	≈ 5 T–6 T (estimation, confiance faible — https://unexcitedneurons.substack.com/p/estimating-the-size-of-claude-opus)
Paramètres actifs (session)	≈ 238 B–288 B (estimation, confiance faible — https://unexcitedneurons.substack.com/p/estimating-the-size-of-claude-opus)
Source des paramètres actifs	https://unexcitedneurons.substack.com/p/estimating-the-size-of-claude-opus (estimation, confiance faible)
Curation des paramètres actifs	2026-10-25
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:27.730658Z
Mis à jour le	2026-11-04T06:04:33.169132Z
Source	LLM Stats
URL	https://llm-stats.com/models/claude-opus-4-20250514

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.80
language	0.90
math	0.80
multimodal	0.80
physics	0.80
reasoning	0.60
spatial_reasoning	0.10
frontend_development	0.70
general	0.60
healthcare	0.80
agents	0.40
biology	0.80
chemistry	0.80
code	0.60
communication	0.70
tool_calling	0.70
vision	0.40

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2025	math	0.76	1.00	0.76	non	oui	2026-11-04T06:04:33.176052Z
arc-agi-v2	reasoning	0.09	1.00	0.09	non	non	2026-11-04T06:04:33.183330Z
gpqa	reasoning	0.80	1.00	0.80	non	oui	2026-11-04T06:04:33.190028Z
mmmlu	language	0.89	1.00	0.89	non	oui	2026-11-04T06:04:33.204296Z
mmmu-(validation)	vision	0.77	1.00	0.77	non	oui	2026-11-04T06:04:33.213774Z
swe-bench-verified	reasoning	0.72	1.00	0.72	non	oui	2026-11-04T06:04:33.224250Z
tau-bench-airline	reasoning	0.60	1.00	0.60	non	oui	2026-11-04T06:04:33.230570Z
tau-bench-retail	chat	0.81	1.00	0.81	non	oui	2026-11-04T06:04:33.239724Z
terminal-bench	reasoning	0.39	1.00	0.39	non	oui	2026-11-04T06:04:33.242987Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
chat	24	0.80	23.81	1	trueskill	2026-11-04T08:08:43.789169Z	rankings
agents	146	—	8.29	1	trueskill	2026-10-19	model_history
code	134	—	17.21	2	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04