Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
gemeinsame Messreihen
152
verschiedene Benchmarks
9
jüngster Abruf
15.10.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
Allgemeine Daten von Claude Opus 4.7 und Muse Wonder
Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Preise nach Anbieter
Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.
Für Muse Wonder ist im gespeicherten OpenRouter-Stand kein Anbietertarif verfügbar. Der offizielle Direktpreis wird trotzdem angezeigt.
Anbieterpreise von Claude Opus 4.7 und Muse Wonder
Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.
Fähigkeitsprofil aus vergleichbaren Benchmarks
Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.
Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar
Nur 0 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.
Claude Opus 4.7Muse Wonder
Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.743,878 %
Muse WonderHöherer Messwert62,552 %
EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.763,728 %
Muse WonderHöherer Messwert67,084 %
Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.751,509 %
Muse WonderHöherer Messwert56,637 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.76,667 %
Muse WonderHöherer Messwert17,083 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.738,462 %
Muse WonderHöherer Messwert50,481 %
LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.71.555,463
Muse WonderHöherer Messwert1.650,947
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.71.493,593
Muse WonderHöherer Messwert1.512,671
Tax Agent BenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.723,738 %
Muse WonderHöherer Messwert36,269 %
Vibe Code Bench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.771,003 %
Muse WonderHöherer Messwert83,089 %
Code MigrationCLI. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.735,171 %
Muse WonderHöherer Messwert60,07 %
EMBComps. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.764,519 %
Muse WonderHöherer Messwert79,488 %
Finance Agent (v2)Adjustments. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Claude Opus 4.745,366 %
Muse WonderHöherer Messwert52,67 %
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Benchmarkwerte von Claude Opus 4.7 und Muse Wonder
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7, Harness: Arena Code Arena WebDev Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.7: Arena-Bewertung aus 18.304 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.
1.555,463
95-%-Konfidenzintervall: ±5,615Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.650,947
95-%-Konfidenzintervall: ±18,263Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7, Harness: Arena Text, style control Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.7: Arena-Bewertung aus 66.213 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 1.944 veröffentlichten Paarvergleichen.
1.493,593
95-%-Konfidenzintervall: ±3,762Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.512,671
95-%-Konfidenzintervall: ±13,236Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7-high, Reasoning: high, Harness: Arena Code Arena WebDev Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.7: Arena-Bewertung aus 17.973 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.
1.557,647
95-%-Konfidenzintervall: ±5,751Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.650,947
95-%-Konfidenzintervall: ±18,263Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7-high, Reasoning: high, Harness: Arena Text, style control Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.7: Arena-Bewertung aus 65.125 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 1.944 veröffentlichten Paarvergleichen.
1.501,03
95-%-Konfidenzintervall: ±3,76Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.512,671
95-%-Konfidenzintervall: ±13,236Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7, Harness: Arena Code Arena WebDev Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.7: Arena-Bewertung aus 18.304 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.
1.555,463
95-%-Konfidenzintervall: ±5,615Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.650,947
95-%-Konfidenzintervall: ±18,263Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
LMArena Text, Style ControlBusiness, management and financeTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7, Harness: Arena Text, style control Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.7: Arena-Bewertung aus 13.242 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 338 veröffentlichten Paarvergleichen.
1.495,576
95-%-Konfidenzintervall: ±6,452Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.500,247
95-%-Konfidenzintervall: ±30,856Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7-high, Reasoning: high, Harness: Arena Code Arena WebDev Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.7: Arena-Bewertung aus 17.973 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 1.228 veröffentlichten Paarvergleichen.
1.557,647
95-%-Konfidenzintervall: ±5,751Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.650,947
95-%-Konfidenzintervall: ±18,263Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
LMArena Text, Style ControlBusiness, management and financeTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7-high, Reasoning: high, Harness: Arena Text, style control Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.7: Arena-Bewertung aus 13.021 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 338 veröffentlichten Paarvergleichen.
Höherer Messwert1.508,069
95-%-Konfidenzintervall: ±6,477Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
1.500,247
95-%-Konfidenzintervall: ±30,856Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7, Harness: Arena Code Arena WebDev Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.7: Arena-Bewertung aus 2.271 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 158 veröffentlichten Paarvergleichen.
1.554,326
95-%-Konfidenzintervall: ±13,465Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.721,908
95-%-Konfidenzintervall: ±51,47Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7, Harness: Arena Text, style control Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.7: Arena-Bewertung aus 18.800 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 487 veröffentlichten Paarvergleichen.
1.546,194
95-%-Konfidenzintervall: ±5,806Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.557,956
95-%-Konfidenzintervall: ±26,189Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7-high, Reasoning: high, Harness: Arena Code Arena WebDev Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.7: Arena-Bewertung aus 2.238 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 158 veröffentlichten Paarvergleichen.
1.545,554
95-%-Konfidenzintervall: ±13,538Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.721,908
95-%-Konfidenzintervall: ±51,47Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7-high, Reasoning: high, Harness: Arena Text, style control Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.7: Arena-Bewertung aus 18.568 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 487 veröffentlichten Paarvergleichen.
1.550,489
95-%-Konfidenzintervall: ±5,848Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.557,956
95-%-Konfidenzintervall: ±26,189Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7, Harness: Arena Code Arena WebDev Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.7: Arena-Bewertung aus 14.009 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 787 veröffentlichten Paarvergleichen.
1.552,718
95-%-Konfidenzintervall: ±6,281Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.637,813
95-%-Konfidenzintervall: ±23,199Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7, Harness: Arena Text, style control Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.7: Arena-Bewertung aus 12.037 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 427 veröffentlichten Paarvergleichen.
1.482,623
95-%-Konfidenzintervall: ±6,859Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.485,682
95-%-Konfidenzintervall: ±29,474Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7-high, Reasoning: high, Harness: Arena Code Arena WebDev Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Code Arena WebDevClaude Opus 4.7: Arena-Bewertung aus 13.929 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 787 veröffentlichten Paarvergleichen.
1.560,183
95-%-Konfidenzintervall: ±6,399Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Höherer Messwert1.637,813
95-%-Konfidenzintervall: ±23,199Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Opus 4.7: Snapshot: claude-opus-4-7-high, Reasoning: high, Harness: Arena Text, style control Muse Wonder: Snapshot: muse-wonder-max, Reasoning: max, Harness: Arena Text, style controlClaude Opus 4.7: Arena-Bewertung aus 11.819 veröffentlichten Paarvergleichen.Muse Wonder: Arena-Bewertung aus 427 veröffentlichten Paarvergleichen.
Höherer Messwert1.488,875
95-%-Konfidenzintervall: ±6,925Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
1.485,682
95-%-Konfidenzintervall: ±29,474Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.
Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.
Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.
Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.
Weitere Duelle
Ähnliche LLM-Vergleiche
Vergleiche Claude Opus 4.7 und Muse Wonder mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.
