# Claude Opus 4.6

> Fiche du modèle de langage Claude Opus 4.6 sur Quelle IA, édition du 28 septembre 2026. Claude Opus 4.6 (Anthropic) : score IA de 87,6, 26e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/claude-opus-4-6/
Origine : Anthropic · États-Unis · sorti le 5 février 2026

## Score général

- Score IA : 87,6 (marge à 90 % : de 86,5 à 88,7)
- Rang : 26 (Groupe 5, ex æquo)
- Couverture : 100 % du poids des tâches, 38 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 86,8 | Rang 25 · 100 % |
| Code | 89,2 | Rang 21 · 54 % |
| Agents | 86,6 | Rang 12 · 67 % |
| Usage | 90,2 | Rang 10 · 100 % |
| Maths | 87,1 | Rang 24 · 88 % |
| Sciences | 87,1 | Rang 20 · 60 % |
| Français | 88,1 | Provisoire · 25 % |
| Vision | 86,3 | Rang 21 · 67 % |
| Écriture | 92,6 | Rang 9 · 100 % |
| Web | 87,3 | Rang 33 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Claude Opus 4.6 (Adaptive Reasoning, Max Effort)](https://artificialanalysis.ai/models/claude-opus-4-6-adaptive) | 32,0 (estimé) | hors classement | 38,1 jetons/s | 18,2 s | 5 $ / 25 $ |
| [Claude Opus 4.6 (Non-reasoning, High Effort)](https://artificialanalysis.ai/models/claude-opus-4-6) | 26,4 (estimé) | hors classement | 37,0 jetons/s | 2,26 s | 5 $ / 25 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/claude-opus-4-6-adaptive

## Exécution locale

Non. Claude Opus 4.6 est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 4,39 € / 22,0 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 000 000 jetons (environ 750 000 mots)
- Entrées : Texte, image, PDF
- Réflexion : Faible, moyenne, élevée, maximale (quatre niveaux réglables)
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : Non communiquée
- Hébergement en Europe : Non communiqué
- Connaissances jusqu'à : Mai 2025

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/anthropic/claude-opus-4.6)
- Par API : [API Anthropic](https://docs.anthropic.com)
- L'essayer : [Claude](https://claude.ai)

## Dans les outils de code

- Disponible dans : [Cursor](https://quelleia.com/outils/#cursor) (inclus), [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [Google Antigravity](https://quelleia.com/outils/#antigravity) (inclus), [Zed](https://quelleia.com/outils/#zed) (inclus), [Kiro](https://quelleia.com/outils/#kiro) (offres payantes), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Droid (Factory)](https://quelleia.com/outils/#factory-droid), [Augment Code](https://quelleia.com/outils/#augment), [Warp](https://quelleia.com/outils/#warp)
- Mesuré dans : [Claude Code](https://quelleia.com/outils/#claude-code), [Droid (Factory)](https://quelleia.com/outils/#factory-droid)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 94,4 % | 81,7 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 94 % | 90,2 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 94 % | 90,2 | saturé | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 93,1 % | 80,1 | saturé | https://epoch.ai/benchmarks |
| Cybench | Sécurité | 93 % | 91,3 | archivé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 93 % | 89,2 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 92 % | 88,4 | saturé | https://arcprize.org/leaderboard |
| OTIS Mock AIME 2024-2025 | Maths | 91,1 % | 78,3 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 90,5 % | 83,5 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 86 % | 84,7 | saturé | https://arcprize.org/leaderboard |
| DTBench | Raisonnement | 91,2 % | 87,1 | saturé | https://conceptualreasoning.ai/dtbench |
| GPQA Diamond | Sciences | 88,8 % | 81,2 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 88,4 % | 80,7 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 79,8 % | 89,2 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| METR Time Horizons (taux de réussite) | Agents | 78,9 % | 91,4 | actif | https://epoch.ai/benchmarks |
| SWE-bench Verified | Code | 78,7 % | 86,7 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 78 % | 95,9 | actif | https://htihle.github.io/weirdml.html |
| WeirdML (v2) | Code | 77,9 % | 95,9 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 76,4 % | 87,6 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| SWE-bench Verified | Code | 75,6 % | 83,4 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 75,3 % | 87,1 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 74,7 % | 86,8 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 72,1 % | 85,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 71,9 % | 85,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 40,7 % | 85,7 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 40 % | 85,4 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 69,9 % | 84,9 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 69,9 % | 84,9 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 39,7 % | 85,2 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 69,2 % | 88,6 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 68,8 % | 88,5 | saturé | https://epoch.ai/benchmarks |
| Arena, écriture créative | Écriture | 1 501,2 Elo | 99,4 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 547,2 Elo | 94,3 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 38,3 % | 84,5 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 66,9 % | 83,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 66,5 % | 83,6 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| ARC-AGI-2 | Raisonnement | 66,3 % | 88,0 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 66 % | 86,8 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 65,9 % | 85,7 | actif | https://htihle.github.io/weirdml.html |
| Arena, questions de maths | Maths | 1 516,8 Elo | 93,4 | actif | https://arena.ai/leaderboard |
| LMCA | Raisonnement | 55,76 | 92,8 | actif | https://conceptualreasoning.ai/lmca |
| Arena, questions d'experts | Sciences | 1 533,3 Elo | 91,6 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 478,6 Elo | 94,3 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 546,1 Elo | 87,2 | actif | https://arena.ai/leaderboard |
| ARC-AGI-2 | Raisonnement | 64,6 % | 87,7 | saturé | https://epoch.ai/benchmarks |
| Arena, questions de code | Code | 1 551,4 Elo | 92,8 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 505,5 Elo | 93,8 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 506,6 Elo | 91,3 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 547,4 Elo | 91,9 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 537,1 Elo | 86,6 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 497,4 Elo | 92,0 | actif | https://arena.ai/leaderboard |
| Terminal-Bench 2.0 | Code | 62,9 % | 82,3 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Arena, questions en français | Français | 1 509,8 Elo | 88,9 | actif | https://arena.ai/leaderboard |
| SimpleBench | Raisonnement | 67,6 % | 88,5 | actif | https://lmcouncil.ai/benchmarks |
| Arena, vision | Vision | 1 299,4 Elo | 92,7 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 496,3 Elo | 86,0 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 294,6 Elo | 91,5 | actif | https://arena.ai/leaderboard |
| Terminal-Bench 2.0 | Code | 58 % | 80,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| DeepResearch Bench | Agents | 55,3 % | 111,5 | actif | https://evals.futuresearch.ai/#drb |
| DeepResearch Bench | Agents | 53,2 % | 104,0 | actif | https://evals.futuresearch.ai/#drb |
| Vending-Bench 2 | Agents | 8 018 $ | 89,6 | actif | https://epoch.ai/benchmarks |
| DeepResearch Bench | Agents | 51,4 % | 97,6 | actif | https://evals.futuresearch.ai/#drb |
| ProofBench | Maths | 50 % | 87,9 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| SimpleQA Verified | Données | 47 % | 85,5 | actif | https://epoch.ai/benchmarks |
| APEX-Agents | Agents | 46,3 % | 86,2 | actif | https://epoch.ai/benchmarks |
| GBAEval | Code | 44,1 % | 89,1 | actif | https://gbaeval.com/model/claude-opus-4-6 |
| GSO | Code | 41,2 % | 90,3 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 22,9 % | 87,6 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 20,8 % | 86,8 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 20,8 % | 86,8 | actif | https://epoch.ai/benchmarks |
| GSO | Code | 33,3 % | 87,9 | actif | https://epoch.ai/benchmarks |
| GSO | Code | 33,3 % | 87,9 | actif | https://epoch.ai/benchmarks |
| Humanity's Last Exam | Sciences | 34,4 % | 86,8 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 26,8 % | 86,0 | saturé | https://epoch.ai/benchmarks |
| FrontierCode | Code | 26,6 % | 83,5 | actif | https://cognition.com/frontiercode |
| FrontierMath, palier 4 (version 2025) | Maths | 14,6 % | 84,2 | actif | https://epoch.ai/benchmarks |
| CL-bench | Données | 20,7 % | 83,8 | actif | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 60 % | 76,3 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 25 % | 85,0 | actif | https://epoch.ai/benchmarks |
| CL-bench Life | Données | 17 % | 86,1 | actif | https://epoch.ai/benchmarks |
| Humanity's Last Exam | Sciences | 19 % | 76,2 | actif | https://epoch.ai/benchmarks |
| CL-bench Life | Données | 13,6 % | 81,6 | actif | https://epoch.ai/benchmarks |
| EBR-bench (Earthborne Rangers) | Agents | 12,7 % | 85,1 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 17 % | 74,8 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 14 % | 71,5 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 13 % | 70,2 | actif | https://epoch.ai/benchmarks |
| EnigmaEval | Raisonnement | 7,6 % | 75,7 | actif | https://labs.scale.com/leaderboard/enigma_eval |
| EnigmaEval | Raisonnement | 6,8 % | 74,5 | actif | https://labs.scale.com/leaderboard/enigma_eval |
| Mystery Game Puzzles | Raisonnement | 15 % | 77,8 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 10 % | 65,1 | actif | https://epoch.ai/benchmarks |
| Remote Labor Index | Agents | 4,2 % | 86,7 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 7 % | 65,7 | actif | https://epoch.ai/benchmarks |
| Furniture Assembly | Vision | 28,3 % | 82,4 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Claude Opus 4.6 ?** Claude Opus 4.6 obtient un score IA de 87,6, avec une marge de 86,5 à 88,7, dans l'édition du 28 septembre 2026. Il est classé 26e sur 246 modèles, à partir de 38 mesures.

**Dans quelles tâches Claude Opus 4.6 est-il le plus fort ?** Ses deux meilleures tâches sont écriture (92,6) et usage (90,2). Sa tâche la plus faible est vision (86,3).

**Claude Opus 4.6 peut-il tourner en local ?** Non. Claude Opus 4.6 est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte Claude Opus 4.6 ?** 4,39 € par million de jetons en entrée et 22,0 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Claude Opus 4.6 ?** Claude Opus 4.6 est édité par Anthropic (États-Unis), et il est sorti le 5 février 2026. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com