Amux AI

Anthropic: Claude Opus 4.6

正常

Opus 4.6 是 Anthropic 最强大的编码和长期运行专业任务模型。它是为跨整个工作流程而不是单个提示操作的代理而构建的，这使得它对于大型代码库、复杂的重构和随着时间的推移而展开的多步骤调试特别有效。与前几代模型相比，该模型表现出更深入的背景理解、更强的问题分解以及在艰巨的工程任务上更高的可靠性。

制造商:
Anthropic
输入类型:
输出类型:
上下文长度:
1M
最大输出:
128K
发布时间:
2026-02-05
toolsreasoningstructuredOutputstreamingvisioncaching

供应商

同一个模型，不同供应商。自动路由默认在健康的供应商之间加权分配，也可改为价格、延迟等策略优先。

供应商
amazon-bedrock$5/百万 tokens$25/百万 tokens
读$0.5/百万 tokens写 5m$6.25/百万 tokens写 1h$10/百万 tokens
1M———
减 30%anthropic$5$3.5/百万 tokens$25$17.5/百万 tokens
读$0.5$0.35/百万 tokens写 5m$6.25$4.375/百万 tokens写 1h$10$7/百万 tokens
1M———
减 95%最低价amazon-kiro$5$0.25/百万 tokens$25$1.25/百万 tokens
读$0.5$0.025/百万 tokens写 5m$6.25$0.3125/百万 tokens写 1h$10$0.5/百万 tokens
1M———
减 85%amux-special$5$0.75/百万 tokens$25$3.75/百万 tokens
读$0.5$0.075/百万 tokens写 5m$6.25$0.9375/百万 tokens写 1h$10$1.5/百万 tokens
1M———
减 70%amuxai$5$1.5/百万 tokens$25$7.5/百万 tokens
读$0.5$0.15/百万 tokens写 5m$6.25$1.875/百万 tokens写 1h$10$3/百万 tokens
1M———

可用率

24 小时 · 09/29–10/15

Amux AI 网关向各供应商实际发出请求的成功率，不含客户端错误导致的失败。

Tok/s

24 小时 · 09/29–10/15

流式请求的平均输出速率，单位为 tokens/s（TPS）。

TTFT

24 小时 · 09/29–10/15

流式请求的平均首 token 延迟（TTFT），即自发出请求至收到首个 token 的耗时。

活动

24 小时 · 09/29–10/15

各时段的相对请求活跃度，按实际承接请求的供应商拆分。以所选时间范围内的峰值为 100，仅反映趋势与供应商占比，不代表实际用量。

相关模型

更多来自 Anthropic 的模型

Anthropic: Claude Haiku 5.51M 上下文最低 $0.015 / 百万 tokens4 个供应商Anthropic: Claude Haiku 5.5 是 Anthropic 迄今为止最经济、最快速且功能最强大的小型模型，专为高容量、成本敏感型工作负载而打造。它能以低延迟处理摘要、精简、数据库查询、分类和子代理编码任务，在实时客户支持、浏览器使用以及其他对速度要求极高的应用场景中表现尤为出色。
Anthropic: Claude Sonnet 5.51M 上下文最低 $0.1 / 百万 tokens5 个供应商Anthropic: Claude Sonnet 5.5 是 Anthropic 升级版的 Sonnet 级模型，性能强于 Claude Sonnet 5，同时运行速度提升超过 30%，且在许多工作负载下成本更低。它专为代理式编码、工具使用和日常专业任务而设计，非常适合开发人员和团队构建快速且功能强大的 AI 智能体。
Anthropic: Claude Opus 5.51M 上下文最低 $0.2 / 百万 tokens5 个供应商Anthropic: Claude Opus 5.5 是 Anthropic 旗下的旗舰模型，专为高要求的推理、编码和长周期智能体任务而设计，是 Claude Opus 5 的继任者。它在处理大型代码库的多步骤变更、代码审查与缺陷查找、金融与科学分析，以及解读密集型图表、示意图和截图方面表现尤为出色。与前代产品相比，它在引用数据和来源时更加严谨，确保仅陈述可证实的内容。 该模型以更少的步骤和 token 完成同类任务，并以更通俗的语言汇报工作成果，清晰地说明其操作过程、发现的问题以及需要用户配合的事项。模型思考过程始终保持自适应，因此“努力程度（effort）”是权衡深度、延迟和成本的主要杠杆，低努力程度的设置在对延迟敏感的工作负载中依然有效。