#47 Claude Sonnet 4.6
medium
Ungültiges SVG
- Kosten
- $0.000
- Zeit
- 300.0s
- Token
- 0 tok
Anthropic
Veröffentlichung: 2026-02-17
Getestet am: 2026-05-22 00:14
anthropic/claude-sonnet-4.6::medium
~1T insgesamt (~100B aktiv)MoEGeschlossenGeschätzt
(medium)
(none)
Zusammenfassung
Claude Sonnet 4.6 erreicht 7.6 bei AI BENCHY und liegt auf #47. Das Modell hat 10.0 Zuverlässigkeit, 68.3% Erfolgsrate, $1.330 Gesamtkosten und 15.72s durchschnittliche Antwortzeit.
Was Claude Sonnet 4.6 besonders macht: Am stärksten ist es in Befolgung von Anweisungen, wo es #1 erreicht; am schwächsten ist Anti-KI-Tricks mit #18.
Modelldaten
Recherchiert am 2026-08-12
- Parameter
- ~1T insgesamt (~100B aktiv)
- Architektur
- MoE
- Verfügbarkeit
- Geschlossen
- Lizenz
- -
Beste Schätzung auf Grundlage öffentlicher Informationen; der Anbieter hat nicht alle Werte offengelegt.
7.6
Konsistenz
9.2
10.0
Gesamte Ausgabe-Token
79,442
Gesamte Eingabe-Token
0
Eingabepreis
$3.000 / 1M
Ausgabepreis
$15.000 / 1M
Instabile Tests
2
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-08-14 02:03 Erneuter Test | 7.8 | 10.0 | $2.126 | Vergleichen | |
| 2026-07-16 22:27 Neuer Test hinzugefügt | 7.8 | 10.0 | $2.057 | Vergleichen | |
| 2026-06-04 13:42 Neuer Test hinzugefügt | 7.4 | 10.0 | $1.418 | Vergleichen | |
| 2026-05-22 00:14 Suite geändert | 7.6 | 10.0 | $1.330 | Aktueller Lauf | |
| 2026-04-11 01:44 Erster erfasster Lauf | 8.0 | k. A. | $1.161 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:14 · Suite geändert | 60/60 Versuche | 7.6 | 9.2 | 10.0 | 13/20 | 2 | 79,442 | 0 | $1.330 | 15.72s |
| 2026-08-14 02:03 · Erneuter Test | 66/66 Versuche | 7.8 | 9.5 | 10.0 | 14/22 | 1 | 120,427 | 106,316 | $2.126 | 28.08s |
| Differenz | — | -0.3 | -0.3 | 0.0 | -1 | +1 | -40985 | -106316 | -$0.796 | -12353ms |
Die Benchmark-Abdeckung unterscheidet sich: 60/60 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 66/66 Versuche (Ziel: 3 Wiederholungen pro Test). Summen und wiederholungsabhängige Metriken sind nicht direkt vergleichbar.
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
Claude Sonnet 4.6mediumvsGPT-5.6 TerramediumClaude Sonnet 4.6mediumvsQwen3.8 27BmediumClaude Sonnet 4.6mediumvsGLM 5.2mediumClaude Sonnet 4.6mediumvsSeed-2.0-LitemediumClaude Sonnet 4.6mediumvsGemini 3.5 Flash LitemediumClaude Sonnet 4.6mediumvsClaude Opus 4.8lowClaude Sonnet 4.6mediumvsQwen3.6 PlusmediumClaude Sonnet 4.6mediumvsQwen3.7 FlashhighClaude Sonnet 4.6mediumvsQwen3.7 PlusmediumClaude Sonnet 4.6mediumvsGLM 5medium
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 6.5 | 10.0 | |
| Programmierung | 6.9 | 6.0 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 2.9 | 7.2 | |
| Allgemeine Intelligenz | 10.0 | 10.0 | |
| Befolgung von Anweisungen | 10.0 | 10.0 | |
| Rätsellösen | 10.0 | 10.0 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |