Advertise here
#51

Claude Sonnet 4.6

Anthropic रिलीज़: 2026-02-17 परीक्षण किया गया: 2026-06-04 13:42 anthropic/claude-sonnet-4.6::medium
~1T कुल (~100B सक्रिय)MoEबंद स्रोतअनुमानित
(medium) (none)

सारांश

Claude Sonnet 4.6 AI BENCHY पर 7.4 स्कोर करता है और #51 पर है। इसकी reliability 10.0, pass rate 65.1%, कुल लागत $1.418, और औसत response time 17.06s है।

Claude Sonnet 4.6 को अलग क्या बनाता है: यह पहेली समाधान में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है।

संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित
पैरामीटर
~1T कुल (~100B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
लाइसेंस
-

सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

7.4

संगति

9.1

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.418

कुल आउटपुट टोकन

84,673

कुल इनपुट टोकन

49,112

इनपुट कीमत

$3.000 / 1M

आउटपुट कीमत

$15.000 / 1M

कैश पढ़ने की कीमत

लागू नहीं

कैश लिखने की कीमत

लागू नहीं

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 8

प्रति प्रयास पास दर: 65.1%

अस्थिर टेस्ट

2

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

प्रतिक्रिया समय (औसत)

17.06s

प्रतिक्रिया समय (अधिकतम): 46.35s

प्रतिक्रिया समय (कुल): 221.83s

गलत उत्तर: 4 अतिरिक्त फॉर्मेटिंग: 3 समय समाप्त: 1

Hamster playing table tennis

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

#51 Claude Sonnet 4.6

medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
लागत
$0.000
समय
300.0s
टोकन
0 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-14 02:03 दोबारा परीक्षण 7.8 10.0 $2.126 तुलना करें
2026-07-16 22:27 नया टेस्ट जोड़ा गया 7.8 10.0 $2.057 तुलना करें
2026-06-04 13:42 नया टेस्ट जोड़ा गया 7.4 10.0 $1.418 वर्तमान रन
2026-05-22 00:14 सूट बदला गया 7.6 10.0 $1.330 तुलना करें
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।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत कैश पढ़ने की कीमत कैश लिखने की कीमत
2026-06-04 14:42 $3.000 / 1M $15.000 / 1M लागू नहीं लागू नहीं

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 6.5 10.0
कोडिंग 5.7 6.6
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