AI BENCHY
Advertise here
#47

Claude Sonnet 4.6

Anthropic रिलीज़: 2026-02-17 परीक्षण किया गया: 2026-05-22 00:14 anthropic/claude-sonnet-4.6::medium
(medium) (none)

सारांश

Claude Sonnet 4.6 AI BENCHY पर 7.6 स्कोर करता है और #47 पर है। इसकी reliability 10.0, pass rate 68.3%, कुल लागत $1.330, और औसत response time 15.72s है।

Claude Sonnet 4.6 को अलग क्या बनाता है: यह Samanya Buddhimatta में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डोमेन-विशिष्ट इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।

स्कोर

7.6

संगति

9.2

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.330

कुल आउटपुट टोकन

79,442

कुल इनपुट टोकन

0

इनपुट कीमत

$3.000 / 1M

आउटपुट कीमत

$15.000 / 1M

सही परीक्षण

गलत टेस्ट: 7

प्रति प्रयास पास दर: 68.3%

अस्थिर टेस्ट

2

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

15.72s

प्रतिक्रिया समय (अधिकतम): 46.35s

प्रतिक्रिया समय (कुल): 188.69s

अतिरिक्त फॉर्मेटिंग: 3 गलत उत्तर: 3 समय समाप्त: 1

जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#47 Claude Sonnet 4.6

medium
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:42 नया टेस्ट जोड़ा गया 7.4 10.0 $1.418 तुलना करें
2026-05-22 00:14 सूट बदला गया 7.6 10.0 $1.330 वर्तमान रन
2026-04-11 01:44 पहला दर्ज रन 8.0 लागू नहीं $1.161 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Claude Sonnet 4.6mediumvsClaude Sonnet 5mediumClaude Sonnet 4.6mediumvsQwen3.5-27BmediumClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewmediumClaude Sonnet 4.6mediumvsQwen3.5 Plus 2026-02-15mediumClaude Sonnet 4.6mediumvsQwen3.5 Plus 2026-04-20mediumClaude Sonnet 4.6mediumvsGemini 3.5 FlashhighClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewmediumClaude Sonnet 4.6mediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धClaude Sonnet 4.6mediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 6.5 10.0
कोडिंग 6.9 6.0
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 10.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल