#47 Claude Sonnet 4.6
medium
SVG inválido
- Coste
- $0.000
- Tiempo
- 300.0s
- Tokens
- 0 tok
Anthropic
Lanzamiento: 2026-02-17
Probado el: 2026-05-22 00:14
anthropic/claude-sonnet-4.6::medium
~1T en total (~100B activos)MoECódigo cerradoEstimado
(medium)
(none)
Resumen
Claude Sonnet 4.6 obtiene 7.6 en AI BENCHY y ocupa el puesto #47. Tiene fiabilidad 10.0, una tasa de aciertos de 68.3%, coste total de $1.330 y tiempo medio de respuesta de 15.72s.
Qué hace único a Claude Sonnet 4.6: Destaca más en Seguimiento de instrucciones, donde ocupa #1, mientras que Trucos anti-IA es su área más débil con #18.
Datos del modelo
Investigado el 2026-08-12
- Parámetros
- ~1T en total (~100B activos)
- Arquitectura
- MoE
- Disponibilidad
- Código cerrado
- Licencia
- -
Mejor estimación basada en información pública; el proveedor no ha revelado todos los valores.
7.6
Consistencia
9.2
10.0
$1.330
Total de tokens de salida
79,442
Total de tokens de entrada
0
Precio de entrada
$3.000 / 1M
Precio de salida
$15.000 / 1M
Pruebas inestables
2
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
15.72s
Tiempo de respuesta (máximo): 46.35s
Tiempo de respuesta (total): 188.69s
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-08-14 02:03 Nueva prueba | 7.8 | 10.0 | $2.126 | Comparar | |
| 2026-07-16 22:27 Prueba nueva añadida | 7.8 | 10.0 | $2.057 | Comparar | |
| 2026-06-04 13:42 Prueba nueva añadida | 7.4 | 10.0 | $1.418 | Comparar | |
| 2026-05-22 00:14 Suite modificada | 7.6 | 10.0 | $1.330 | Ejecución actual | |
| 2026-04-11 01:44 Primera ejecución registrada | 8.0 | N/D | $1.161 | Comparar |
Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.
Comparación de ejecuciones
| Ejecución | Cobertura del benchmark | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:14 · Suite modificada | 60/60 intentos | 7.6 | 9.2 | 10.0 | 13/20 | 2 | 79,442 | 0 | $1.330 | 15.72s |
| 2026-07-16 22:27 · Prueba nueva añadida | 66/66 intentos | 7.8 | 9.2 | 10.0 | 14/22 | 2 | 115,865 | 106,292 | $2.057 | 25.91s |
| Diferencia | — | -0.3 | 0.0 | 0.0 | -1 | 0 | -36423 | -106292 | -$0.728 | -10189ms |
La cobertura del benchmark difiere: 60/60 intentos (Objetivo: 3 repeticiones por prueba) frente a 66/66 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.
Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.
Gráficos
Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.
Mejores modelos por puntuación
Puntuación vs Costo total
Tiempo de respuesta (promedio)
Puntuación vs Tiempo de respuesta (promedio)
Total de tokens de salida
Puntuación vs Total de tokens de salida
Comparación rápida
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
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 6.5 | 10.0 | |
| Programación | 6.9 | 6.0 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 2.9 | 7.2 | |
| Inteligencia general | 10.0 | 10.0 | |
| Seguimiento de instrucciones | 10.0 | 10.0 | |
| Resolución de acertijos | 10.0 | 10.0 | |
| Llamada de herramientas | 10.0 | 10.0 | |
| Cultura general | 3.0 | 10.0 |