Claude Opus 4.7
Anthropic 모델 · 2026년 4월 16일 공개. 독립 벤치마크 점수, 종합 지수, 사람 투표 순위와 개발사 발표 점수를 그래프로 정리했습니다.
- 개발
- Anthropic
- 공개일
- 이용 방식
- API 제공
- 종합 능력 지수(ECI)
- 156.3신뢰구간 154.4~158.4
- Arena 점수(사람 투표)
- 149011위 · 투표 65,192표
영역별 강점
같은 시험을 치른 모델 가운데 어디쯤인지(백분위)를 영역별로 평균했습니다. 바깥일수록 상위권이고, 점수가 없는 영역은 가운데 빈 점으로 표시합니다.
Anthropic 모델 흐름
큰 점이 이 모델입니다. 선은 그때까지의 최고 기록입니다.
독립 벤치마크 점수
- GPQA Diamond과학90.1%
94개 모델 중 28위. 대학원 수준의 생물·물리·화학 객관식 문제 198개. 검색으로 답을 찾기 어렵게 만든 문항이다. 생각 수준 '매우 높음' 기준. 오차 ±1.8%.
- OTIS 모의 AIME수학97.8%
91개 모델 중 20위. OTIS의 경시대회형 수학 문제 45개. MATH Level 5보다 어렵고 FrontierMath보다 쉽다. 생각 수준 '매우 높음' 기준. 오차 ±2.2%.
- FrontierMath(2025판)수학43.8%
46개 모델 중 6위. 연구 수준의 매우 어려운 수학 문제(비공개). 2026년 6월 새 판으로 바뀌기 전 기록이다. 생각 수준 '매우 높음' 기준. 오차 ±2.9%.
- FrontierMath 1~3단계수학70.2%
57개 모델 중 21위. 연구 수준의 매우 어려운 수학 문제(비공개) 2026년 판의 1~3단계. 생각 수준 '최대' 기준. 오차 ±2.7%.
- FrontierMath 4단계수학31.7%
48개 모델 중 21위. FrontierMath 2026년 판에서 가장 어려운 4단계 문제(비공개). 생각 수준 '최대' 기준. 오차 ±7.4%.
- SWE-bench Verified코딩83.5%
23개 모델 중 1위. 실제 오픈소스 저장소의 이슈를 고치는 과제. 사람이 검증한 500개 문항이다. 생각 수준 '최대' 기준. 오차 ±1.7%.
- MirrorCode코딩31.1%
9개 모델 중 5위. 원본 소스 코드 없이 프로그램 전체를 처음부터 다시 구현하는 장기 코딩 과제. 생각 수준 '높음' 기준. 오차 ±9%.
- SimpleQA Verified지식51.7%
52개 모델 중 18위. 정치·과학·예술·스포츠·지리 등 짧은 사실 질문 1,000개에 검색 없이 답한 정확도. 생각 수준 '매우 높음' 기준. 오차 ±1.6%.
- 체스 퍼즐추론30%
60개 모델 중 30위. 체스 엔진으로 새로 만든 퍼즐 100개. 퍼즐마다 최선의 다음 수가 하나 있다. 생각 수준 '매우 높음' 기준. 오차 ±4.6%.
- 미공개 게임 퍼즐추론28%
47개 모델 중 24위. 잘 알려진 게임을 퍼즐용으로 바꾼 변형판의 100개 국면. 어떤 게임인지는 일부러 밝히지 않았다. 생각 수준 '최대' 기준. 오차 ±4.5%.
- 가구 조립 검사공간·학습33.3%
27개 모델 중 19위. 가구 조립 사진을 보고 조립이 맞는지, 틀렸다면 어느 단계가 틀렸는지 찾는 공간 추론 시험. 생각 수준 '최대' 기준. 오차 ±6.1%.
- EBR-bench공간·학습19.1%
21개 모델 중 14위. 덜 알려진 게임 Earthborne Rangers를 반복해서 할수록 점수가 오르는지 보는 학습 능력 시험. 생각 수준 '최대' 기준.
세로선은 무작위로 찍었을 때 기대되는 점수입니다. 같은 벤치마크라도 평가 방식과 설정에 따라 점수가 달라지므로 개발사 발표 수치와 다를 수 있습니다.
함께 볼 모델
- Claude Opus 4.8 Anthropic · 2026-05-28
- Claude Fable 5 Anthropic · 2026-06-09
- Grok 4.3 Beta xAI · 2026-04-17
- GPT-5.5 Pro OpenAI · 2026-04-23