studioglobal
인기 있는 발견
보고서게시됨16 소스

Claude Opus 4.7 vs GPT-5.5 vs DeepSeek V4 vs Kimi K2.6：2026 年基准怎么读

公开资料无法给四个模型严格排出一到四名。Claude Opus 4.7 的 BenchLM 97/100、SWE bench Verified 82.4%，以及 GPT 5.5 的 GDPval 84.9% 属于不同评测轴，不能直接合并成一个总分 [2][3][29]。 DeepSeek V4 Pro Max 在 MMLU Pro 87.5%、GPQA Diamond 90.1% 等推理指标上有公开数字，但部分基于内部结果；Kimi K2.6 则有 BenchLM 85/100、Vals Accuracy 63.94% ± 1.97、Cost/Test $0.21 等运营参考值 [15][37][39]。

Studio Global AI로 검색 및 팩트체크Discover에서 더 많은 것을 찾아보세요
15K0
네 개의 최신 AI 모델을 벤치마크 차트와 비교하는 추상적 에디토리얼 이미지
Claude Opus 4.7 vs GPT-5.5 vs DeepSeek V4 vs Kimi K2.6: 2026 벤치마크 비교Claude Opus 4.7, GPT-5.5, DeepSeek V4, Kimi K2.6의 2026 벤치마크 비교를 표현한 AI 생성 이미지.
AI 프롬프트

Create a landscape editorial hero image for this Studio Global article: Claude Opus 4.7 vs GPT-5.5 vs DeepSeek V4 vs Kimi K2.6: 2026 벤치마크 비교. Article summary: 네 모델의 ‘절대 1위’를 확정하기는 어렵습니다. 공개 자료 기준 Claude Opus 4.7은 BenchLM 97/100·SWE bench Verified 82.4%가 가장 뚜렷하고, GPT 5.5는 GDPval 84.9% 등 업무형 공식 수치가 강하지만 평가 체계가 달라 직접 합산할 수 없습니다 [2][3][29].. Topic tags: ai, ai benchmarks, llm, openai, anthropic. Reference image context from search candidates: Reference image 1: visual subject "# Kimi K2.6 vs Claude Opus 4.7: Which Model Wins in 2026? Kimi K2.6 ties Opus 4.7 on multilingual SWE-bench but trails by 7 points on Verified — at 1/5th the cost. Two weeks after" source context "Kimi K2.6 vs Claude Opus 4.7 (2026): Benchmarks, Cost, When Each Wins" Reference image 2: visual subject "[Kimi K2 vs Claude Opus 4.7 vs GPT 5.5 Comparison](https://www.youtube.com/watch?v=M90iB4hpenI). ![Image 4](https://www

openai.com

把公开基准放在一起看，Claude Opus 4.7、GPT-5.5、DeepSeek V4 和 Kimi K2.6 不能简单归纳为某一个模型稳赢。Vals AI 的模型列表显示，DeepSeek V4 和 GPT-5.5 的条目日期均为 2026 年 4 月 23 日，Kimi K2.6 为 4 月 20 日，Claude Opus 4.7 为 4 月 16 日 [19]。但可见分数来自 BenchLM、OpenAI 官方、DataCamp、Hugging Face、Artificial Analysis 和 Vals 等不同体系，并没有把四个模型放在同一基准、同一推理设置、同一成本口径下横评 [3][15][16][28][29][36][37][39]。

所以，这篇对比的关键不是找一个“绝对第一”，而是看清楚：做代码、做知识工作、做科学推理、跑智能体或控制成本时，哪个模型的证据更扎实。

为什么 2026 年很难只看一个总榜

AI 基准不是一张期末考试卷。Kili Technology 将 2026 年常见评测分成通用知识与推理、专家级前沿推理、编码、智能体、真实专业工作和安全性等多个维度，例如 MMLU、MMLU-Pro、GPQA Diamond、SWE-Bench、Terminal-Bench、GAIA、WebArena、GDPval 和安全评测各自测的能力并不相同 [8]。Stanford HAI 的 AI Index 也把技术表现拆成 MMLU、MATH、GPQA Diamond、MMMU、OSWorld、AIME、SWE-bench Verified 等轴线，而不是只给一个万能分数 [13]。

MMLU 这样的通用知识题更要谨慎使用。Nanonets 解释，MMLU 通常按 5-shot 方式计算，而到 2026 年，顶级模型已经集中在 88% 以上区间，彼此差距很难被这个指标拉开 [22]。因此，选模型更像选工具：先确定是写代码、审文档、做客服流程、跑浏览器/电脑任务，还是要压低调用成本，再看相应指标 [8][22]。

一张表先看公开证据

模型公开资料中较明确的数值可以读出的强项阅读时的坑
Claude Opus 4.7BenchLM 97/100，临时榜 110 个模型中第 2；SWE-bench Verified 82.4%；FinanceBench 82.7%；MathVista 提升 9.5 分 [2][3]编码、综合榜单、金融文档分析、视觉数学推理Anthropic 的 research-agent benchmark 0.715 是内部评测，不应和 GPT-5.5 的 GDPval 等指标当作同一把尺子比较 [7][29]。
GPT-5.5BenchLM 89/100，临时榜 112 个模型中第 5；GDPval 84.9%；OSWorld-Verified 78.7%；Tau2-bench Telecom 98.0%；Vals Accuracy 67.76% ± 1.79 [28][29][31]知识工作、电脑环境操作、客服工作流、智能体任务OpenAI 官方指标、BenchLM 分数和 Vals Index 是不同体系，不能简单相加 [28][29][31]。
DeepSeek V4 / V4-Pro-MaxVals AI 列表中 2026 年 4 月 23 日条目；V4-Pro-Max 的 MMLU-Pro 87.5%、GPQA Diamond 90.1%、GSM8K 92.6% [15][19]科学问答、数学、高难推理的候选项DataCamp 说明这些数值基于 DeepSeek 内部结果，应和独立验证榜单区分看待 [15]。
Kimi K2.6BenchLM 85/100，临时榜 115 个模型中第 12；Vals Accuracy 63.94% ± 1.97，Latency 373.57s，Cost/Test $0.21；Artificial Analysis Intelligence Index 54，整体第 4 [36][37][39]开放权重、成本/延迟、运行效率资料里有 Kimi 2.6、Kimi K2.6、K2.6 Thinking 等写法，实际比较前要确认是不是同一设置 [37][39]。

综合榜：BenchLM 口径下，Claude 更靠前

只看 BenchLM 上已能直接查到的三款模型，Claude Opus 4.7 的分数最高。BenchLM 将 Claude Opus 4.7 列为临时榜 110 个模型中的第 2 名，总分 97/100；在已验证榜中也位列 14 个模型中的第 2 [3]。

GPT-5.5 在 BenchLM 临时榜中位列 112 个模型中的第 5，总分 89/100；已验证榜中位列 16 个模型中的第 2 [28]。Kimi 2.6 在 BenchLM 临时榜中位列 115 个模型中的第 12，总分 85/100，并显示有 27 项公开基准分数 [37]。

但这只是 BenchLM 这个口径下的参考。三个页面的比较样本数分别是 110、112、115，而且目前这组资料里没有可直接并列的 DeepSeek V4 BenchLM 分数 [3][28][37]。

编码：Claude Opus 4.7 的 SWE-bench Verified 证据最清楚

如果核心场景是自动修代码、理解仓库、处理真实软件工程问题，Claude Opus 4.7 的公开数字最直接。MindStudio 称，Claude Opus 4.7 在 SWE-bench Verified 上达到 82.4%，比 Opus 4.6 大约提升 11 分 [2]。同一资料还给出 FinanceBench 82.7%，并称视觉相关改进中 MathVista 提升 9.5 分 [2]。

GPT-5.5 不是没有编码能力，但在这里使用的 OpenAI 官方介绍中，最醒目的数字是 GDPval、OSWorld-Verified 和 Tau2-bench Telecom，而不是 SWE-bench [29]。Kimi K2.6 方面，GMI Cloud 摘要声称其在 SWE-Bench Pro 上表现领先，但仅凭该摘要无法确认具体分数，也无法把四个模型放在同一条件下比较 [35]。DeepSeek V4 在这组资料里更明确的数字集中在推理和数学方向，而非编码横评 [15][16]。

办公与智能体：GPT-5.5 的官方指标更具体

如果你关心的是让模型产出规范化知识工作、操作真实电脑环境、完成客服流程，GPT-5.5 的公开官方指标相对完整。OpenAI 称，GPT-5.5 在 GDPval 上得分 84.9%；GDPval 用来测试智能体在 44 个职业类别中产出明确规格知识工作的能力 [29]。OpenAI 还给出 OSWorld-Verified 78.7%，用于衡量模型能否自主操作真实电脑环境；Tau2-bench Telecom 98.0%，用于测试复杂客服工作流 [29]。

Claude Opus 4.7 也有智能体型任务数据。Anthropic 称，在其内部 research-agent benchmark 中，Claude Opus 4.7 在 6 个模块的总分为 0.715，并列最高；在 General Finance 模块中，它从 Opus 4.6 的 0.767 提升到 0.813 [7]。

这里最容易误读的一点是：GPT-5.5 的 GDPval、OSWorld-Verified、Tau2-bench 与 Claude Opus 4.7 的 Anthropic 内部 research-agent benchmark 不是同一个评测体系 [7][29]。不能把 GPT-5.5 的 84.9% 和 Claude 的 0.715 当成同一单位来比较 [7][29]。

推理与知识：DeepSeek V4-Pro-Max 和 Kimi K2.6 Thinking 有局部同表

DeepSeek V4 的较具体数字主要出现在 V4-Pro-Max 设置下。DataCamp 介绍称，根据 DeepSeek 内部结果，DeepSeek V4-Pro-Max 在 MMLU-Pro 上为 87.5%，GPQA Diamond 为 90.1%，GSM8K 数学题为 92.6% [15]。这些数字有参考价值，但既然来源说明是内部结果，就不宜把它和独立榜单完全等量齐观 [15]。

Hugging Face 的 DeepSeek-V4-Pro 页面把 DeepSeek V4-Pro-Max 和 Kimi K2.6 Thinking 放进同一张表的部分知识/推理项目中 [16]：

基准DeepSeek V4-Pro-MaxKimi K2.6 Thinking该表中更高者
MMLU-Pro87.587.1DeepSeek V4-Pro-Max
SimpleQA-Verified57.936.9DeepSeek V4-Pro-Max
Chinese-SimpleQA84.475.9DeepSeek V4-Pro-Max
GPQA Diamond90.190.5Kimi K2.6 Thinking
HLE37.736.4DeepSeek V4-Pro-Max

按这张表看，DeepSeek V4-Pro-Max 在 MMLU-Pro、SimpleQA-Verified、Chinese-SimpleQA 和 HLE 上高于 Kimi K2.6 Thinking；Kimi K2.6 Thinking 在 GPQA Diamond 上略高 [16]。但同一表中的其他对照对象是 Opus-4.6 Max、GPT-5.4 xHigh 等，并不是 Claude Opus 4.7 与 GPT-5.5，因此它不能推出四个模型的总排名 [16]。

成本与延迟：Kimi K2.6 的运营指标值得单独看

Vals AI 中，GPT-5.5 显示为 Accuracy 67.76% ± 1.79、Latency 409.09s、Context Window 1M [31]。Kimi K2.6 显示为 Accuracy 63.94% ± 1.97、Latency 373.57s、Cost/Test $0.21 [39]。只比较这两条 Vals 记录，GPT-5.5 的准确率显示值更高，Kimi K2.6 的延迟显示值更低 [31][39]。

Kimi K2.6 对关注开放权重的团队也有单独意义。Artificial Analysis 将 Moonshot 的 Kimi K2.6 称为领先的开放权重模型，并给出 Artificial Analysis Intelligence Index 54、整体第 4 的排序 [36]。但 Artificial Analysis、Vals 和 BenchLM 的评分方法不同，不能把 Kimi 的 54 分、Vals Accuracy 63.94% 与 BenchLM 85/100 合成一个“总智商分” [36][37][39]。

实用选型建议

  • 如果重点是代码自动修复、软件工程任务和仓库级协作，Claude Opus 4.7 应优先进入候选名单。当前公开证据里，SWE-bench Verified 82.4% 和 BenchLM 97/100 是最清楚的支持点 [2][3]。
  • 如果重点是知识工作产出、电脑环境操作、复杂客服流程，GPT-5.5 的 GDPval 84.9%、OSWorld-Verified 78.7%、Tau2-bench Telecom 98.0% 是更直接的官方指标 [29]。
  • 如果重点是科学问答、数学和高难推理，可以把 DeepSeek V4-Pro-Max 与 Kimi K2.6 Thinking 的 MMLU-Pro、GPQA Diamond、HLE 等表格放在一起看，但要记住这不是四模型总榜 [15][16]。
  • 如果重点是开放权重、部署灵活性和单次测试成本，Kimi K2.6 的 Artificial Analysis 开放权重评价，以及 Vals 的 $0.21/test、373.57s 延迟指标更值得关注 [36][39]。
  • 不建议只看 MMLU。到 2026 年，顶级模型在 MMLU 高分段过于集中，这个指标对前沿模型的区分力已经变弱 [22]。

最后怎么判断

基于现有公开资料，比较稳妥的结论是：Claude Opus 4.7 在编码和 BenchLM 综合榜上证据最强；GPT-5.5 在办公型智能体、电脑使用和客服流程指标上披露更具体；DeepSeek V4-Pro-Max 在推理和数学相关公开数字上值得关注；Kimi K2.6 则在开放权重、成本和延迟指标上有自己的位置 [2][3][15][16][28][29][36][37][39]。

但如果要严肃采购或上线，最好不要把这篇表格当作最终排名。更可靠的做法，是先用它缩小候选范围，再用自己的真实任务做一轮小型评测：例如代码修复、金融文档抽取、浏览器/电脑控制、客服流转、长时间智能体执行等。2026 年的基准已经足够多，但真正决定体验的，往往是你的任务分布、提示词、预算和失败容忍度 [8][22]。

Studio Global AI

Search, cite, and publish your own answer

Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.

Studio Global AI로 검색 및 팩트체크

주요 시사점

  • 公开资料无法给四个模型严格排出一到四名。Claude Opus 4.7 的 BenchLM 97/100、SWE bench Verified 82.4%，以及 GPT 5.5 的 GDPval 84.9% 属于不同评测轴，不能直接合并成一个总分 [2][3][29]。
  • DeepSeek V4 Pro Max 在 MMLU Pro 87.5%、GPQA Diamond 90.1% 等推理指标上有公开数字，但部分基于内部结果；Kimi K2.6 则有 BenchLM 85/100、Vals Accuracy 63.94% ± 1.97、Cost/Test $0.21 等运营参考值 [15][37][39]。
  • 实务选型应按任务拆开看：编码优先看 Claude，知识工作与电脑操作优先看 GPT 5.5，推理候选可比较 DeepSeek/Kimi，开放权重与成本则重点关注 Kimi 的相关指标 [8][16][29][36]。

사람들은 또한 묻습니다.

"Claude Opus 4.7 vs GPT-5.5 vs DeepSeek V4 vs Kimi K2.6：2026 年基准怎么读"에 대한 짧은 대답은 무엇입니까?

公开资料无法给四个模型严格排出一到四名。Claude Opus 4.7 的 BenchLM 97/100、SWE bench Verified 82.4%，以及 GPT 5.5 的 GDPval 84.9% 属于不同评测轴，不能直接合并成一个总分 [2][3][29]。

먼저 검증할 핵심 포인트는 무엇인가요?

公开资料无法给四个模型严格排出一到四名。Claude Opus 4.7 的 BenchLM 97/100、SWE bench Verified 82.4%，以及 GPT 5.5 的 GDPval 84.9% 属于不同评测轴，不能直接合并成一个总分 [2][3][29]。 DeepSeek V4 Pro Max 在 MMLU Pro 87.5%、GPQA Diamond 90.1% 等推理指标上有公开数字，但部分基于内部结果；Kimi K2.6 则有 BenchLM 85/100、Vals Accuracy 63.94% ± 1.97、Cost/Test $0.21 等运营参考值 [15][37][39]。

실무에서는 다음으로 무엇을 해야 합니까?

实务选型应按任务拆开看：编码优先看 Claude，知识工作与电脑操作优先看 GPT 5.5，推理候选可比较 DeepSeek/Kimi，开放权重与成本则重点关注 Kimi 的相关指标 [8][16][29][36]。

다음에는 어떤 관련 주제를 탐구해야 할까요?

다른 각도와 추가 인용을 보려면 "Claude Opus 4.7·GPT-5.5·DeepSeek V4·Kimi K2.6 벤치마크 비교: 2026년 판정"으로 계속하세요.

관련 페이지 열기

이것을 무엇과 비교해야 합니까?

"DeepSeek V4 엔지니어링 해설: 100만 토큰, MoE, API 이전 체크포인트"에 대해 이 답변을 대조 확인하세요.

관련 페이지 열기

연구를 계속하세요

Comparativa de benchmarks 2026 entre Claude Opus 4.7, GPT-5.5, DeepSeek V4 y Kimi K2.6

Claude Opus 4.7·GPT-5.5·DeepSeek V4·Kimi K2.6 벤치마크 비교: 2026년 판정

Claude Opus 4.7 vs GPT-5.5 vs DeepSeek V4 vs Kimi K2.6: 2026 벤치마크 비교

DeepSeek V4 工程架构示意图，包含 1M 上下文、MoE 专家路由和 API 服务化元素

DeepSeek V4 엔지니어링 해설: 100만 토큰, MoE, API 이전 체크포인트

DeepSeek V4 엔지니어링 해설: 100만 토큰, MoE, API 이전 체크포인트

木材市場與需求彈性概念的編輯插圖

Northwest vs. Southeast Timber 탄력성 풀이: 왜 답은 larger; larger일까

Northwest vs. Southeast Timber: 대체성이 높을수록 왜 larger; larger인가

抽象 AI 晶片與多個聊天機器人平台競爭的示意圖，象徵 DeepSeek 挑戰 OpenAI、Claude、Gemini 與 Grok

DeepSeek가 OpenAI·Claude·Gemini·Grok을 이길까: 답은 비용과 신뢰에 있다

DeepSeek가 OpenAI·Claude·Gemini·Grok을 이길까

연구 대화

당신

연구문제

Claude Opus 4.7, GPT-5.5, DeepSeek V4, Kimi K2.6의 벤치마크를 조사하고 가능한 한 종합적으로 비교해 주세요.

Studio Global AI40 소스

인용 답변

제공된 근거만으로는 네 모델을 동등한 수준으로 “종합 벤치마크 비교”하기에는 자료가 크게 부족합니다. 확인 가능한 정량 벤치마크는 사실상 Claude Opus 4.7에 집중되어 있고, GPT-5.5·DeepSeek V4·Kimi K2.6은 제공 근거 안에서 직접 비교 가능한 공식 점수나 일관된 벤치마크 결과가 없습니다. 따라서 아래 비교는 “확인 가능한 것”과 “증거 부족”을 명확히 나누어 정리합니다.

Key findings

  • Claude Opus 4.7은 제공된 자료 중 유일하게 구체적인 벤치마크 수치가 확인되는 모델입니다. SWE-bench Verified에서 82.4%를 기록했고, 이는 Opus 4.6 대비 약 11점 상승한 것으로 제시됩니다 [6].

  • Claude Opus 4.7은 BenchLM 기준 provisional leaderboard에서 110개 모델 중 2위, overall score 97/100으로 제시되며, verified leaderboard에서도 14개 모델 중 2위로 언급됩니다 [7].

  • Claude Opus 4.7은 비전 관련 개선 폭이 컸고, MathVista가 9.5점 상승했다는 자료가 있습니다 [6].

  • Kimi K2.6은 Vals AI의 모델 목록에서 Moonshot AI 모델로 확인되며, 제공된 스니펫에는 2026년 4월 20일 항목으로 표시됩니다 [5]. 다만 이 근거에는 Kimi K2.6의 실제 벤치마크 점수가 포함되어 있지 않습니다 [5].

  • Claude Opus 4.7 역시 Vals AI 목록에서 Anthropic 모델로 확인되며, 제공된 스니펫에는 2026년 4월 16일 항목으로 표시됩니다 [5].

  • GPT-5.5에 대해서는 제공된 근거 안에 직접적인 벤치마크 점수, 공식 발표, 리더보드 결과가 없습니다. Insufficient evidence.

  • DeepSeek V4에 대해서는 제공된 근거 중 Reddit 스니펫이 있으나, 해당 스니펫은 로컬 호스팅과 운영상 조언에 가까우며 비교 가능한 벤치마크 수치를 제공하지 않습니다 [40]. Insufficient evidence.

비교 표

모델확인 가능한 벤치마크 / 순위강점으로 볼 수 있는 영역증거 수준
Claude Opus 4.7SWE-bench Verified 82.4% [6]; BenchLM provisional 2/110, 97/100 [7]; verified 2/14 [7]코딩, 비전 수학 추론, 종합 리더보드 성능 [6][7]상대적으로 높음
GPT-5.5제공 근거 내 직접 점수 없음판단 불가Insufficient evidence
DeepSeek V4제공 근거 내 직접 점수 없음판단 불가Insufficient evidence
Kimi K2.6모델 목록 및 날짜 항목은 확인되나 점수 없음 [5]판단 불가낮음

벤치마크별 해석

  • SWE-bench Verified 기준으로는 Claude Opus 4.7만 비교 가능한 수치가 있습니다. Claude Opus 4.7의 82.4%는 제공 자료상 Opus 4.6 대비 약 11점 개선된 결과로 제시됩니다 [6].

  • 종합 리더보드 기준으로도 Claude Opus 4.7만 명확한 순위가 있습니다. BenchLM은 Claude Opus 4.7을 provisional leaderboard 110개 모델 중 2위, overall score 97/100으로 제시합니다 [7].

  • 비전·수학 영역에서는 Claude Opus 4.7의 MathVista 점수가 9.5점 상승했다는 자료가 있으나, GPT-5.5·DeepSeek V4·Kimi K2.6의 동등 지표가 제공되지 않아 상대 비교는 불가능합니다 [6].

  • 일반 지식·추론 벤치마크는 2026년 기준 MMLU, MMLU-Pro, GPQA Diamond, SWE-bench, Arena Elo 등이 주요 평가로 언급됩니다 [2]. 다만 MMLU는 상위 모델들이 이미 88% 이상을 기록해 2026년에는 변별력이 약하다는 지적이 있습니다 [3].

Evidence notes

  • Stanford HAI의 2026 AI Index 기술 성능 자료는 ImageNet, VQA, SuperGLUE, SQuAD 2.0 등 여러 벤치마크에서 AI 성능이 인간 성능과 비교되는 장기 추세를 다룹니다 [1]. 이는 개별 네 모델의 직접 비교 자료라기보다는 벤치마크 해석의 배경 자료에 가깝습니다 [1].

  • Kili Technology 자료는 2026년 주요 벤치마크로 MMLU, MMLU-Pro, GPQA Diamond, SWE-bench, Arena Elo 등을 언급하면서 벤치마크만으로 모델 성능을 충분히 설명하기 어렵다고 설명합니다 [2].

  • Nanonets 자료는 MMLU가 5-shot 방식으로 계산된다는 점과, 상위 모델들이 88% 이상을 기록하면서 2026년에는 변별력이 낮아졌다는 점을 지적합니다 [3].

  • DeepSeek V4 관련 제공 근거는 Reddit 스니펫뿐이며, 신뢰도 높은 공식·학술·독립 리더보드 근거가 아닙니다 [40].

Limitations / uncertainty

  • GPT-5.5, DeepSeek V4, Kimi K2.6에 대해 제공된 근거만으로는 SWE-bench, GPQA, MMLU-Pro, AIME, MathVista, Arena Elo 같은 동일 벤치마크 축에서 점수를 비교할 수 없습니다. Insufficient evidence.

  • Claude Opus 4.7의 수치도 출처별로 평가 방법과 리더보드 산식이 다를 수 있으므로, BenchLM의 97/100 및 순위와 SWE-bench Verified 82.4%는 서로 다른 평가 체계의 결과로 해석해야 합니다 [6][7].

  • Kimi K2.6은 모델 존재와 날짜 항목은 확인되지만, 제공 근거 안에는 성능 점수가 없습니다 [5]. Insufficient evidence.

  • DeepSeek V4는 제공 근거 안에서 벤치마크 수치가 확인되지 않습니다 [40]. Insufficient evidence.

Summary

현재 제공된 증거만 놓고 보면 Claude Opus 4.7이 네 모델 중 유일하게 구체적이고 비교 가능한 성능 자료를 갖고 있습니다. Claude Opus 4.7은 SWE-bench Verified 82.4%, BenchLM provisional 2위/110개 모델, overall score 97/100으로 제시되어 코딩과 종합 평가에서 매우 강한 모델로 볼 수 있습니다 [6][7].

반면 GPT-5.5, DeepSeek V4, Kimi K2.6은 제공 근거 안에서 직접 벤치마크 점수가 없으므로 Claude Opus 4.7보다 높다거나 낮다고 결론낼 수 없습니다. Insufficient evidence.

출처

  • [2] Claude Opus 4.7 Benchmark Breakdown: Vision, Coding, ...mindstudio.ai

    Claude Opus 4.7 posted 82.4% on SWE-bench Verified, up roughly 11 points from Opus 4.6 — the most meaningful coding benchmark available. Vision improvements were the largest percentage gains: MathVista jumped 9.5 points, enabling reliable visual math reason...

  • [3] Claude Opus 4.7 Benchmarks 2026: Scores, Rankings & Performancebenchlm.ai

    Core Rankings Specialized Use Cases Dashboards Directories Guides & Lists Tools Claude Opus 4.7 According to BenchLM.ai, Claude Opus 4.7 ranks 2 out of 110 models on the provisional leaderboard with an overall score of 97/100. It also ranks 2 out of 14 on t...

  • [7] Introducing Claude Opus 4.7 - Anthropicanthropic.com

    Image 7: logo Based on our internal research-agent benchmark, Claude Opus 4.7 has the strongest efficiency baseline we’ve seen for multi-step work. It tied for the top overall score across our six modules at 0.715 and delivered the most consistent long-cont...

  • [8] AI Benchmarks 2026: Top Evaluations and Their Limitskili-technology.com

    Image 2: Kili Technology.png) Kili Technology · Apr 13, 2026 Image 3: AI Benchmarks Guide: The Top Evaluations in 2026 and Why They're Not Enough Table of contents Introduction What Are the Most Important AI Benchmarks in 2026? General knowledge and reasoni...

  • [13] [PDF] Technical Performance - Stanford HAIhai.stanford.edu

    Technical Performance Benchmarks vs. Human Performance 76 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 0% 20% 40% 60% 80% 100% 120% Image classiLJcation (ImageNet Top-5) Visual reasoning (VQA) English language understanding (SuperGLU...

  • [15] DeepSeek V4: Features, Benchmarks, and Comparisonsdatacamp.com

    DeepSeek V4 Benchmarks According to DeepSeek’s internal results, DeepSeek V4 demonstrates impressive performance, particularly when pushed to its maximum reasoning limits (DeepSeek-V4-Pro-Max). According to the official release notes, here is how the model...

  • [16] deepseek-ai/DeepSeek-V4-Pro - Hugging Facehuggingface.co

    Opus-4.6 Max GPT-5.4 xHigh Gemini-3.1-Pro High K2.6 Thinking GLM-5.1 Thinking DS-V4-Pro Max :---: :---: :---: Knowledge & Reasoning MMLU-Pro (EM) 89.1 87.5 91.0 87.1 86.0 87.5 SimpleQA-Verified (Pass@1) 46.2 45.3 75.6 36.9 38.1 57.9 Chinese-SimpleQA (Pass@1...

  • [19] DeepSeek V4 - Vals AIvals.ai

    Benchmarks Models Comparison Model Guide App Reports News About Benchmarks Models Comparison Model Guide App Reports About Release date Models 4/23/2026 DeepSeek DeepSeek V4 4/23/2026 OpenAI GPT 5.5 4/20/2026 Moonshot AI Kimi K2.6 4/16/2026 Anthropic Claude...

  • [22] AI Benchmarks Explained: GPQA, SWE-bench & Arena Elonanonets.com

    How the score is calculated: Before each question, the model is shown 5 example questions with correct answers, this is called 5-shot prompting. Then comes the real question. Score = correct answers ÷ total questions, expressed as a percentage. Why it's nea...

  • [28] GPT-5.5 Benchmarks 2026: Scores, Rankings & Performancebenchlm.ai

    Core Rankings Specialized Use Cases Dashboards Directories Guides & Lists Tools GPT-5.5 According to BenchLM.ai, GPT-5.5 ranks 5 out of 112 models on the provisional leaderboard with an overall score of 89/100. It also ranks 2 out of 16 on the verified lead...

  • [29] Introducing GPT-5.5 - OpenAIopenai.com

    GPT‑5.5 reaches state-of-the-art performance across multiple benchmarks that reflect this kind of work. OnGDPval⁠⁠, which tests agents’ abilities to produce well-specified knowledge work across 44 occupations, GPT‑5.5 scores 84.9%. On OSWorld-Verified, whic...

  • [31] GPT 5.5 - Vals AIvals.ai

    2/17/2026 Anthropic Claude Sonnet 4.6 2/16/2026 Alibaba Qwen 3.5 Plus 2/12/2026 MiniMax MiniMax-M2.5 2/12/2026 MiniMax MiniMax-M2.5 2/11/2026 zAI GLM 5 2/5/2026 Anthropic Claude Opus 4.6 (Nonthinking) 2/5/2026 Anthropic Claude Opus 4.6 (Thinking) 1/26/2026...

  • [35] Kimi K2.6 on GMI Cloud: Architecture, Benchmarks & API Accessgmicloud.ai

    Kimi K2.6 tops SWE-Bench Pro and runs 300 parallel sub-agents on 4x H100S. Learn the full architecture, benchmark results, and how to run it ... 3 days ago

  • [36] Kimi K2.6: The new leading open weights model - Artificial Analysisartificialanalysis.ai

    Moonshot's Kimi K2.6 is the new leading open weights model. Kimi K2.6 lands at 4 on the Artificial Analysis Intelligence Index (54) behind ... 5 days ago

  • [37] Kimi 2.6 Benchmarks 2026: Scores, Rankings & Performancebenchlm.ai

    Kimi 2.6 by Moonshot AI scores 85/100 on BenchLM's provisional leaderboard ( 12 of 115) with 27 published benchmark scores currently shown ... 6 days ago

  • [39] Kimi K2.6 - Vals AIvals.ai

    Kimi K2.6. Release Date: 4/20/2026. Vals Index. Accuracy (Vals Index). 63.94% ± 1.97. Latency (Vals Index). 373.57s. Cost/Test (Vals Index). $0.21.