# Claude Opus 4.7

> Fiche du modèle de langage Claude Opus 4.7 sur Quelle IA, édition du 28 septembre 2026. Claude Opus 4.7 (Anthropic) : score IA de 88,6, 23e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/claude-opus-4-7/
Origine : Anthropic · États-Unis · sorti le 16 avril 2026

## Score général

- Score IA : 88,6 (marge à 90 % : de 87,8 à 89,5)
- Rang : 23 (Groupe 5, ex æquo)
- Couverture : 100 % du poids des tâches, 40 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 | 88,4 | Rang 19 · 89 % |
| Code | 89,9 | Rang 19 · 69 % |
| Agents | 88,4 | Rang 8 · 56 % |
| Usage | 90,5 | Rang 9 · 100 % |
| Maths | 87,9 | Rang 20 · 88 % |
| Sciences | 87,1 | Rang 21 · 80 % |
| Français | 89,7 | Provisoire · 25 % |
| Vision | 88,4 | Rang 18 · 100 % |
| Écriture | 92,0 | Rang 11 · 100 % |
| Web | 88,1 | Rang 30 · 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 4.7 (Adaptive Reasoning, Max Effort)](https://artificialanalysis.ai/models/claude-opus-4-7) | 40,7 (estimé) | hors classement | 45,9 jetons/s | 25,4 s | 5 $ / 25 $ |
| [Claude Opus 4.7 (Non-reasoning, High Effort)](https://artificialanalysis.ai/models/claude-opus-4-7-non-reasoning) | 30,9 (estimé) | hors classement | 41,3 jetons/s | 1,23 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-4-7

## Exécution locale

Non. Claude Opus 4.7 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, très élevée, maximale (cinq 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 : Janvier 2026

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/anthropic/claude-opus-4.7)
- 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), [GitHub Copilot](https://quelleia.com/outils/#github-copilot) (retrait annoncé le 2 octobre 2026), [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [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)
- 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 | 97,8 % | 88,3 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 93,5 % | 89,7 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 93,5 % | 89,7 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 92 % | 88,4 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 92 % | 88,4 | saturé | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 94,7 % | 95,1 | saturé | https://conceptualreasoning.ai/dtbench |
| ARC-AGI-1 | Raisonnement | 91 % | 87,6 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 91 % | 87,6 | saturé | https://arcprize.org/leaderboard |
| GPQA Diamond | Sciences | 90,2 % | 83,0 | actif | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 86,7 % | 75,2 | saturé | https://epoch.ai/benchmarks |
| SWE-bench Verified | Code | 83,5 % | 92,5 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 86,4 % | 78,5 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 80,2 % | 89,4 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 43,8 % | 87,5 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 76,4 % | 94,5 | actif | https://htihle.github.io/weirdml.html |
| WeirdML (v2) | Code | 76,4 % | 94,4 | actif | https://htihle.github.io/weirdml.html |
| WeirdML (v2) | Code | 76,4 % | 94,4 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 75,8 % | 90,1 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 75,8 % | 90,1 | saturé | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 75,5 % | 93,6 | actif | https://htihle.github.io/weirdml.html |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 70,2 % | 88,3 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 68,3 % | 88,4 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 68,3 % | 88,4 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 67,5 % | 88,3 | saturé | https://epoch.ai/benchmarks |
| Arena, écriture créative | Écriture | 1 489,3 Elo | 96,7 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 557,2 Elo | 88,0 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 556,0 Elo | 87,9 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 483,4 Elo | 95,4 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 534,1 Elo | 91,8 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 533,5 Elo | 91,7 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 550,6 Elo | 92,6 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 504,2 Elo | 90,8 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 501,7 Elo | 93,0 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 546,5 Elo | 91,7 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 519,7 Elo | 91,0 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 494,3 Elo | 91,2 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 491,6 Elo | 88,3 | actif | https://arena.ai/leaderboard |
| ARC-AGI-2 | Raisonnement | 62,1 % | 87,2 | saturé | https://epoch.ai/benchmarks |
| Arena, questions en français | Français | 1 509,5 Elo | 88,8 | actif | https://arena.ai/leaderboard |
| LMCA | Raisonnement | 52,2 | 89,8 | actif | https://conceptualreasoning.ai/lmca |
| Arena, vision | Vision | 1 298,7 Elo | 92,5 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 298,3 Elo | 92,4 | actif | https://arena.ai/leaderboard |
| SciCode | Code | 54,5 % | 88,5 | actif | https://artificialanalysis.ai/evaluations/scicode |
| SimpleBench | Raisonnement | 61,7 % | 84,5 | actif | https://lmcouncil.ai/benchmarks |
| ProofBench | Maths | 54 % | 88,5 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| Vending-Bench 2 | Agents | 10 937 $ | 90,7 | actif | https://epoch.ai/benchmarks |
| SimpleQA Verified | Données | 51,7 % | 88,5 | actif | https://epoch.ai/benchmarks |
| APEX-Agents | Agents | 49,2 % | 87,6 | actif | https://epoch.ai/benchmarks |
| GSO | Code | 44,1 % | 91,2 | actif | https://epoch.ai/benchmarks |
| GSO | Code | 44,1 % | 91,2 | actif | https://gso-bench.github.io/index.html |
| GBAEval | Code | 43,8 % | 89,1 | actif | https://gbaeval.com/model/claude-opus |
| FrontierCode | Code | 38,5 % | 89,5 | actif | https://cognition.com/frontiercode |
| FrontierMath, palier 4 (version 2025) | Maths | 22,9 % | 87,6 | actif | https://epoch.ai/benchmarks |
| Humanity's Last Exam | Sciences | 36,2 % | 87,7 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 31,7 % | 87,0 | saturé | https://epoch.ai/benchmarks |
| MirrorCode | Code | 31,1 % | 92,5 | actif | https://epoch.ai/benchmarks |
| PostTrainBench | Agents | 28,6 % | 89,0 | actif | https://epoch.ai/benchmarks |
| ExploitBench | Sécurité | 26,5 % | 85,5 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 30 % | 84,0 | actif | https://epoch.ai/benchmarks |
| Blueprint-Bench 2 | Vision | 24,5 % | 89,2 | actif | https://andonlabs.com/evals/blueprint-bench-2 |
| ExploitBench | Sécurité | 23,9 % | 84,2 | actif | https://epoch.ai/benchmarks |
| GDP.pdf | Données | 21 % | 89,8 | actif | https://surgehq.ai/benchmarks/gdp-pdf |
| Mystery Game Puzzles | Raisonnement | 28 % | 86,4 | actif | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 60,3 % | 79,5 | actif | https://epoch.ai/benchmarks |
| EBR-bench (Earthborne Rangers) | Agents | 19 % | 87,7 | actif | https://epoch.ai/benchmarks |
| OSWorld 2.0 | Agents | 18,2 % | 90,7 | actif | https://osworld-v2.xlang.ai/ |
| Chess Puzzles | Raisonnement | 20 % | 77,5 | actif | https://epoch.ai/benchmarks |
| OSWorld 2.0 | Agents | 13,9 % | 88,5 | actif | https://osworld-v2.xlang.ai/ |
| CritPt | Sciences | 12 % | 84,9 | actif | https://epoch.ai/benchmarks |
| Furniture Assembly | Vision | 33,3 % | 87,3 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 13 % | 75,0 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 7 % | 55,5 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Claude Opus 4.7 ?** Claude Opus 4.7 obtient un score IA de 88,6, avec une marge de 87,8 à 89,5, dans l'édition du 28 septembre 2026. Il est classé 23e sur 246 modèles, à partir de 40 mesures.

**Dans quelles tâches Claude Opus 4.7 est-il le plus fort ?** Ses deux meilleures tâches sont écriture (92,0) et usage (90,5). Sa tâche la plus faible est sciences (87,1).

**Claude Opus 4.7 peut-il tourner en local ?** Non. Claude Opus 4.7 est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte Claude Opus 4.7 ?** 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 4.7 ?** Claude Opus 4.7 est édité par Anthropic (États-Unis), et il est sorti le 16 avril 2026. C'est un modèle fermé.

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