SprachmodellAktiv

Claude Opus 4.6

Anthropic

Veröffentlicht: Februar 2026
Datenstand: 8. September 2026
Vorgängermodell: Claude Opus 4.5
Nachfolgermodell: Claude Opus 4.7

Geschwindigkeit: 39,2 Token/s
Ausgabe-Tempo
Preis: 5 $ · 25 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text, Bild
Ausgabe: Text

Claude Opus 4.6 war das erste Opus-Modell mit einem Kontextfenster von einer Million Token. Es folgte auf Claude Opus 4.5 und ging Claude Opus 4.7 voraus. Anthropic koppelte den Start außerdem mit Kontextkomprimierung in der API und Agententeams in Claude Code.

Beim Coding hob Anthropic die Arbeit in großen Codebasen, Code-Review und Fehlersuche hervor. Das Kontextfenster von 1 Million Token war bei der Veröffentlichung in Beta und konnte für lange Aufgaben deutlich mehr Material in einer Anfrage aufnehmen.

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	ProprietärQuelle
Zugang	APIQuelle
Kontextfenster	1.000.000 TokenQuelle
Knowledge Cutoff	Mai 2025Quelle
Hinweise	1M Kontext, 128K Output, Agenten-Teams, SWE-bench ca. 80,8 %Quelle
API-Modellkennung	claude-opus-4-6Quelle
Status laut Quelle	active (legacy)Quelle
Veröffentlichung	2026-02-05Quelle
Maximale Ausgabe	128.000 TokenQuelle
Eingabe	Text, imagesQuelle
Ausgabe	TextQuelle
Reasoning-Modus	adaptive; extended legacy modeQuelle
Wissensstand	2025-05 reliable / 2025-08 trainingQuelle
Werkzeugaufrufe	JaQuelle
Strukturierte Ausgabe	JaQuelle

Veröffentlichte Benchmarks

Humanity's Last Exam

Overall

2.500 anspruchsvolle, teils multimodale Expertenfragen aus mehr als 100 Fachgebieten. Der Test misst geschlossenes Expertenwissen und Reasoning, aber weder offene Forschung noch allgemeine Intelligenz.

1.Gemini 3.1 Pro Preview46,44 %

2.GPT-5.4 Pro44,32 %

3.GPT-5.436,24 %

4.Claude Opus 4.736,2 %

5.Claude Opus 4.634,44 %

6.GPT-5 Pro31,64 %

7.GPT-525,32 %

höhere Werte sind besserStand 2. September 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: hle-final-scale-public-temperature-0
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 7
Methodik und Einordnung: Alle 2.500 öffentlichen Fragen, Temperatur 0 und automatischer Antwort-Extraktor.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Modellstand: claude-opus-4-6-thinking-max. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 34,44 % ± 1,86. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-09-02-9e661b4b9e47. Prüfsumme der Quelldaten: 9e661b4b9e47fc78acc41dd3d83ae7363672deeb05d38a32fd0dcc88c7502935. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

Agentenaufgaben

METR Time Horizon

Aufgabenlänge nach menschlicher Bearbeitungszeit, bei der ein Modell-Agent 50 oder 80 Prozent Erfolgswahrscheinlichkeit erreicht. Die Minuten bezeichnen menschliche Aufgabenzeit, nicht Modelllaufzeit. Werte oberhalb von 16 Stunden sind laut METR unzuverlässig.

Teilaufgabe	Claude Opus 4.6 (Dieses Modell)	GPT-5.4	Claude Opus 4.5
50% time horizon	718,81 (bester Wert dieser Zeile)	341,74	292,99
80% time horizon	69,87 (bester Wert dieser Zeile)	53,88	49,43

Einheit: Minutenhöhere Werte sind besserStand 26. August 2026Quelle: METRBalken je Zeile skaliert, nicht über Zeilen hinweg

MultiChallenge

Overall

Mehrstufige Gespräche prüfen Erinnern, Anweisungsbindung, versionierte Überarbeitung und innere Konsistenz. Die Aufgaben wurden anhand gemeinsamer Fehler sechs älterer Spitzenmodelle ausgewählt und können diese Modelle benachteiligen.

1.Gemini 3.1 Pro Preview71,37 %

2.GPT-5.4 Pro69,23 %

3.GPT-563,19 %

4.o3-pro62,4 %

5.Claude Opus 4.558,97 %

6.o356,62 %

7.Claude Opus 4.656,02 %

8.Claude Sonnet 4.555,32 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-multichallenge-overall
Messgröße: rubric pass rate
Skala: 0-100
Teilnehmer: 8
Methodik und Einordnung: Mehrstufige Gespräche mit binären, aufgabenspezifischen Rubriken.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: none. Angezeigter Wert: 56,02 % ± 1,08. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-c7bc8d4b82b8. Prüfsumme der Quelldaten: c7bc8d4b82b8a93b33209cb8b5c8da53dc01bac7aa0cd5ca76c4ae365619525d. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

PRBench Finance

Overall

600 realistische Finanzfragen mit gewichteten Kriterien, davon 300 im schwierigen Teildatensatz. Ein o4-mini-Juror bewertet die Antworten. Fachliche Richtigkeit und praktische Verlässlichkeit bleiben deshalb getrennte Fragen.

1.Claude Fable 553,86 %

2.Claude Opus 4.653,28 %

3.GPT-551,32 %

4.GPT-5 Pro51,06 %

5.GPT-5.6 Sol50,45 %

6.o3-pro49,08 %

7.o347,69 %

8.Claude Opus 4.546,16 %

9.GPT-5.445,63 %

10.Claude Sonnet 4.543,79 %

11.Gemini 3.1 Pro Preview41,87 %

12.o4-mini39,22 %

13.Gemini 2.5 Pro38,92 %

14.Gemini 2.5 Flash38,41 %

15.GPT-4.134,32 %

16.Llama 4 Maverick22,36 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-prbench-finance-full
Messgröße: weighted rubric score
Skala: 0-100
Teilnehmer: 16
Methodik und Einordnung: 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: none. Angezeigter Wert: 53,28 % ± 0,18. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-1196d0ba7a4c. Prüfsumme der Quelldaten: 1196d0ba7a4c8d626776c467c1d9d53e493e848fbce8f12f327c3864f83ac2c4. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

PRBench Legal

Overall

500 realistische Rechtsfragen mit gewichteten Kriterien aus unterschiedlichen Ländern und Rechtsgebieten. Der Benchmark misst professionelle Antwortqualität, ersetzt aber weder Rechtsprüfung noch menschliche Verantwortung.

1.Claude Fable 552,56 %

2.Claude Opus 4.652,27 %

3.GPT-5.6 Sol50,5 %

4.GPT-5 Pro49,89 %

5.o3-pro49,67 %

6.GPT-548,96 %

7.o348,57 %

8.GPT-5.444,35 %

9.Claude Opus 4.544,21 %

10.Gemini 3.1 Pro Preview44,02 %

11.Gemini 2.5 Pro41,43 %

12.Gemini 2.5 Flash41,02 %

13.Claude Sonnet 4.540,84 %

14.o4-mini38,11 %

15.GPT-4.136,48 %

16.Llama 4 Maverick24,84 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-prbench-legal-full
Messgröße: weighted rubric score
Skala: 0-100
Teilnehmer: 16
Methodik und Einordnung: 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: none. Angezeigter Wert: 52,27 % ± 0,66. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-39dd22178287. Prüfsumme der Quelldaten: 39dd221782879e08cf3582225a60f6e91432e1e8d4968e2fb60b53c917fafe6a. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

VisualToolBench

Overall

1.204 visuelle Aufgaben verlangen Bildbearbeitung, Python, Websuche oder Rechnerzugriff mit höchstens 20 Werkzeugaufrufen. Der Score gehört zum kompletten multimodalen Werkzeugsystem. Das Modell allein lässt sich daraus nicht isolieren.

1.GPT-5.429,17 %

2.Gemini 3.1 Pro Preview28,97 %

3.Claude Opus 4.627,52 %

4.o313,74 %

5.Gemini 2.5 Pro11,75 %

6.o4-mini11,12 %

7.GPT-4.15,52 %

8.Gemini 2.5 Flash4,69 %

9.Llama 4 Scout1,58 %

10.Llama 4 Maverick1,41 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-visual-toolbench-apr
Messgröße: average pass rate
Skala: 0-100
Teilnehmer: 10
Methodik und Einordnung: 1.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: thinking. Angezeigter Wert: 27,52 % ± 1,45. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-eb72202a59a1. Prüfsumme der Quelldaten: eb72202a59a1301462dd728b19363526d0f1ed2c2b58120de39b0027aafc74ac. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

Cybersicherheit

SecCodeBench-V2

98 ausführbare Projektfälle in 22 CWE-Kategorien prüfen zuerst Funktionalität und danach Sicherheit. Der gewichtete Score kombiniert Generierung, Reparatur, native Prompts und Sicherheitshinweise.

Teilaufgabe	Claude Opus 4.6 (Dieses Modell)	Claude Opus 4.5	Qwen 3.7 Max	GPT-5.4
Repair without hints	73,1 %	73,67 % (bester Wert dieser Zeile)	72,5 %	61,41 %
Repair with security hints	81,73 %	82,18 %	86,77 % (bester Wert dieser Zeile)	80,04 %
Generation without hints	51,05 %	58,02 % (bester Wert dieser Zeile)	55,12 %	50,97 %
Generation with security hints	70,65 %	72,1 % (bester Wert dieser Zeile)	70,85 %	67,82 %
Weighted total	64,9 %	68,1 % (bester Wert dieser Zeile)	66,81 %	59,74 %

höhere Werte sind besserStand 9. August 2026Quelle: SecCodeBenchBalken je Zeile skaliert, nicht über Zeilen hinweg

Dokumentierte Messdetails

Humanity's Last Exam: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 34.44
Bewertung: 34.44
Messgröße: accuracy
Einheit: %
Benchmark-Version: final 2,500-question public set
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: hle-final-scale-public-temperature-0
Konfidenzintervall: 1.86
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-09-02
Methodik: Alle 2.500 öffentlichen Fragen, Temperatur 0 und automatischer Antwort-Extraktor.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Modellstand: claude-opus-4-6-thinking-max. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 34,44 % ± 1,86. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-09-02-9e661b4b9e47. Prüfsumme der Quelldaten: 9e661b4b9e47fc78acc41dd3d83ae7363672deeb05d38a32fd0dcc88c7502935. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Alle 2.500 öffentlichen Fragen, Temperatur 0 und automatischer Antwort-Extraktor.

Quelle Scale AI

METR Time Horizon: 50% time horizon (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 718.80683
Bewertung: 718.80683
Messgröße: 50% time horizon
Einheit: minutes
Benchmark-Version: TH 1.1
Kategorie: agentic
Aufgabe: p50
Aufgabenbezeichnung: 50% time horizon
Richtung: Mehr ist besser
Vergleichskohorte: metr-th1-1-p50
Quellentyp: independent-evaluator
Auswertung: METR
Status: active
Abrufdatum: 2026-08-26
Methodik: ReAct-Agent, sechs unabhängige Läufe je Aufgabe. Die Zeit ist die geschätzte menschliche Bearbeitungsdauer.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Modellstand: claude-opus-4-6-2026-02-05. Evaluator: METR. Datensatztyp: public. Stand der Rangliste: 2026-05-08. Harness: ReAct. Agent: ReAct. Versuche: 6 independent runs per task. Angezeigter Wert: 12 Std. (95-Prozent-Konfidenzintervall 5,3 Std. bis 60,6 Std.). Quellenkennung: metr. Kennung der Evidenzaufnahme: curated-metr-2026-08-26-1ca8b69f5a82. Prüfsumme der Quelldaten: 1ca8b69f5a826f53e175e4b094b9f4b51e14a39ba2c084eab283897836d49d20. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: ReAct-Agent, sechs unabhängige Läufe je Aufgabe. Die Zeit ist die geschätzte menschliche Bearbeitungsdauer.

Quelle METR

METR Time Horizon: 80% time horizon (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 69.874587
Bewertung: 69.874587
Messgröße: 80% time horizon
Einheit: minutes
Benchmark-Version: TH 1.1
Kategorie: agentic
Aufgabe: p80
Aufgabenbezeichnung: 80% time horizon
Richtung: Mehr ist besser
Vergleichskohorte: metr-th1-1-p80
Quellentyp: independent-evaluator
Auswertung: METR
Status: active
Abrufdatum: 2026-08-26
Methodik: ReAct-Agent, sechs unabhängige Läufe je Aufgabe. Die Zeit ist die geschätzte menschliche Bearbeitungsdauer.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Modellstand: claude-opus-4-6-2026-02-05. Evaluator: METR. Datensatztyp: public. Stand der Rangliste: 2026-05-08. Harness: ReAct. Agent: ReAct. Versuche: 6 independent runs per task. Angezeigter Wert: 1,2 Std. (95-Prozent-Konfidenzintervall 27 min bis 2,8 Std.). Quellenkennung: metr. Kennung der Evidenzaufnahme: curated-metr-2026-08-26-318bdb5530ca. Prüfsumme der Quelldaten: 318bdb5530cad90be3765939e5139aa3ed2f5a6b9e463cf3398f516e4710e864. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: ReAct-Agent, sechs unabhängige Läufe je Aufgabe. Die Zeit ist die geschätzte menschliche Bearbeitungsdauer.

Quelle METR

MultiChallenge: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 56.02
Bewertung: 56.02
Messgröße: rubric pass rate
Einheit: %
Benchmark-Version: four multi-turn challenge types
Kategorie: productivity
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-multichallenge-overall
Konfidenzintervall: 1.08
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: Mehrstufige Gespräche mit binären, aufgabenspezifischen Rubriken.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: none. Angezeigter Wert: 56,02 % ± 1,08. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-c7bc8d4b82b8. Prüfsumme der Quelldaten: c7bc8d4b82b8a93b33209cb8b5c8da53dc01bac7aa0cd5ca76c4ae365619525d. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Mehrstufige Gespräche mit binären, aufgabenspezifischen Rubriken.

Quelle Scale AI

PRBench Finance: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 53.28
Bewertung: 53.28
Messgröße: weighted rubric score
Einheit: %
Benchmark-Version: full finance set
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-prbench-finance-full
Konfidenzintervall: 0.18
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: none. Angezeigter Wert: 53,28 % ± 0,18. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-1196d0ba7a4c. Prüfsumme der Quelldaten: 1196d0ba7a4c8d626776c467c1d9d53e493e848fbce8f12f327c3864f83ac2c4. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.

Quelle Scale AI

PRBench Legal: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 52.27
Bewertung: 52.27
Messgröße: weighted rubric score
Einheit: %
Benchmark-Version: full legal set
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-prbench-legal-full
Konfidenzintervall: 0.66
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: none. Angezeigter Wert: 52,27 % ± 0,66. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-39dd22178287. Prüfsumme der Quelldaten: 39dd221782879e08cf3582225a60f6e91432e1e8d4968e2fb60b53c917fafe6a. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.

Quelle Scale AI

VisualToolBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 27.52
Bewertung: 27.52
Messgröße: average pass rate
Einheit: %
Benchmark-Version: 1,204-task release
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-visual-toolbench-apr
Konfidenzintervall: 1.45
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 1.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: thinking. Angezeigter Wert: 27,52 % ± 1,45. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-eb72202a59a1. Prüfsumme der Quelldaten: eb72202a59a1301462dd728b19363526d0f1ed2c2b58120de39b0027aafc74ac. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 1.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe.

Quelle Scale AI

SecCodeBench-V2: Repair without hints (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 73.1
Bewertung: 73.1
Messgröße: native repair pass@1
Einheit: %
Benchmark-Version: 2.2.0
Kategorie: cybersecurity
Aufgabe: fix
Aufgabenbezeichnung: Repair without hints
Richtung: Mehr ist besser
Vergleichskohorte: seccodebench-v2-2-0:official:fix
Quellentyp: official-leaderboard
Auswertung: SecCodeBench
Status: active
Abrufdatum: 2026-08-09
Methodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: SecCodeBench. Datensatztyp: public. Stand der Rangliste: 2026-02-16. Quellenkennung: seccodebench. Kennung der Evidenzaufnahme: curated-seccodebench-2026-08-09-cbeb9cb3730c. Prüfsumme der Quelldaten: cbeb9cb3730ca29af3d8b7a5e2fca139765542955a6bbf61409536cafac54c77. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.

Quelle SecCodeBench

SecCodeBench-V2: Repair with security hints (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 81.73
Bewertung: 81.73
Messgröße: security-aware repair pass@1
Einheit: %
Benchmark-Version: 2.2.0
Kategorie: cybersecurity
Aufgabe: fixHints
Aufgabenbezeichnung: Repair with security hints
Richtung: Mehr ist besser
Vergleichskohorte: seccodebench-v2-2-0:official:fixHints
Quellentyp: official-leaderboard
Auswertung: SecCodeBench
Status: active
Abrufdatum: 2026-08-09
Methodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: SecCodeBench. Datensatztyp: public. Stand der Rangliste: 2026-02-16. Quellenkennung: seccodebench. Kennung der Evidenzaufnahme: curated-seccodebench-2026-08-09-ce147aec18e9. Prüfsumme der Quelldaten: ce147aec18e9354c4817af561e4326fc26c9aa5fb2fae3b3abce107c5ae614a5. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.

Quelle SecCodeBench

SecCodeBench-V2: Generation without hints (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 51.05
Bewertung: 51.05
Messgröße: native generation pass@1
Einheit: %
Benchmark-Version: 2.2.0
Kategorie: cybersecurity
Aufgabe: generation
Aufgabenbezeichnung: Generation without hints
Richtung: Mehr ist besser
Vergleichskohorte: seccodebench-v2-2-0:official:generation
Quellentyp: official-leaderboard
Auswertung: SecCodeBench
Status: active
Abrufdatum: 2026-08-09
Methodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: SecCodeBench. Datensatztyp: public. Stand der Rangliste: 2026-02-16. Quellenkennung: seccodebench. Kennung der Evidenzaufnahme: curated-seccodebench-2026-08-09-ea0efe96af3b. Prüfsumme der Quelldaten: ea0efe96af3b9a3ff40cb16e820c61e6be6d652be27ce4f466af6ee5d583d804. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.

Quelle SecCodeBench

SecCodeBench-V2: Generation with security hints (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 70.65
Bewertung: 70.65
Messgröße: security-aware generation pass@1
Einheit: %
Benchmark-Version: 2.2.0
Kategorie: cybersecurity
Aufgabe: generationHints
Aufgabenbezeichnung: Generation with security hints
Richtung: Mehr ist besser
Vergleichskohorte: seccodebench-v2-2-0:official:generationHints
Quellentyp: official-leaderboard
Auswertung: SecCodeBench
Status: active
Abrufdatum: 2026-08-09
Methodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: SecCodeBench. Datensatztyp: public. Stand der Rangliste: 2026-02-16. Quellenkennung: seccodebench. Kennung der Evidenzaufnahme: curated-seccodebench-2026-08-09-5a782a1bbabe. Prüfsumme der Quelldaten: 5a782a1bbabe9946ce4fb4771835246fcedde9c1186f456a2a364c1860c8531a. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.

Quelle SecCodeBench

SecCodeBench-V2: Weighted total (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 64.9
Bewertung: 64.9
Messgröße: weighted pass@1
Einheit: %
Benchmark-Version: 2.2.0
Kategorie: cybersecurity
Aufgabe: total
Aufgabenbezeichnung: Weighted total
Richtung: Mehr ist besser
Vergleichskohorte: seccodebench-v2-2-0:official:total
Quellentyp: official-leaderboard
Auswertung: SecCodeBench
Status: active
Abrufdatum: 2026-08-09
Methodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.. Kennung des Quellmodells: curated/claude-opus-4.6. Name des Quellmodells: Claude Opus 4.6. Anbieter laut Quelle: Anthropic. Evaluator: SecCodeBench. Datensatztyp: public. Stand der Rangliste: 2026-02-16. Quellenkennung: seccodebench. Kennung der Evidenzaufnahme: curated-seccodebench-2026-08-09-1a93d69f218e. Prüfsumme der Quelldaten: 1a93d69f218e7cddea5bc50ca7db1867e78031ce74a62a35f964a572e0a55048. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 98 Projektfälle. Funktionstests laufen vor dynamischen Exploit-Prüfungen und Sicherheitsbewertung.

Quelle SecCodeBench

Seite 1 von 3

Vorgänger und Nachfolger

Vorgänger: Claude Opus 4.5
Beleg zur Modellfolge
Anthropic writes "The new Claude Opus 4.6 improves on its predecessor's coding skills" and separately reports Opus 4.6 outperforming "its own predecessor (Claude Opus 4.5)" by 190 Elo points on GDPval-AA.
Anthropic "Introducing Claude Opus 4.6" announcement (2026-09-19)
Nachfolger: Claude Opus 4.7
Beleg zur Modellfolge
Anthropic writes "Opus 4.7 is a notable improvement on Opus 4.6 in advanced software engineering, with particular gains on the most difficult tasks.".
Anthropic "Introducing Claude Opus 4.7" announcement (2026-09-19)

Quellen und Datenstand

Art	Nachweis und Datenstand
Geschwindigkeit	Anthropic, Non-reasoning, high. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Bei Artificial Analysis als veraltet eingeordnet. Artificial Analysis pflegt dort nur noch den Standard-Workload mit 10.000 Eingabe-Token. Abgerufen am 8. September 2026. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · Kontextfenster-Daten
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Opus 4.6 model overview · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Opus 4.6 model overview · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	parameters-billions Originalwortlaut Anthropic does not publish parameter counts for this model.
In den geprüften Quellen nicht gefunden	active-parameters-billions Originalwortlaut Anthropic does not publish active parameter counts for this model.
Weitere Quelle	Modellmetadaten (abgerufen 8. September 2026) · Anthropic, Introducing Claude Opus 4.6 · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	Scale AI (abgerufen 2. September 2026)
Weitere Quelle	METR (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	SecCodeBench (abgerufen 9. August 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Claude Opus 4.6 system card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0
Weitere Quelle	Anthropic "Introducing Claude Opus 4.7" announcement (2026-09-19)

Claude Opus 4.6

Technische Daten und Zugang

Veröffentlichte Benchmarks

Humanity's Last Exam

Agentenaufgaben

METR Time Horizon

MultiChallenge

PRBench Finance

PRBench Legal

VisualToolBench

Cybersicherheit

SecCodeBench-V2

Dokumentierte Messdetails

Unsere Tests

Pelikan auf dem Fahrrad

Beliebtheit

Veröffentlichte Preise

Dieses Modell im Vergleich

Vorgänger und Nachfolger

Quellen und Datenstand