AI BENCHY
Advertise here
#47

Claude Sonnet 4.6

Anthropic रिलीज़: 2026-02-17 परीक्षण किया गया: 2026-04-11 01:44 anthropic/claude-sonnet-4.6::none
(medium) (none)

सारांश

Claude Sonnet 4.6 AI BENCHY पर 7.4 स्कोर करता है और #47 पर है। इसकी reliability लागू नहीं, pass rate 64.8%, कुल लागत $0.262, और औसत response time 4.98s है।

Claude Sonnet 4.6 को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #17 पर है। यह समान मॉडलों की तुलना में काफ़ी तेज है।

स्कोर

7.4

संगति

9.6

विश्वसनीयता

लागू नहीं

कुल लागत (वर्तमान कीमत)

$0.262

कुल आउटपुट टोकन

7,433

कुल इनपुट टोकन

0

इनपुट कीमत

$3.000 / 1M

आउटपुट कीमत

$15.000 / 1M

सही परीक्षण

गलत टेस्ट: 7

प्रति प्रयास पास दर: 64.8%

अस्थिर टेस्ट

1

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

प्रतिक्रिया समय (औसत)

4.98s

प्रतिक्रिया समय (अधिकतम): 23.84s

प्रतिक्रिया समय (कुल): 54.83s

अतिरिक्त फॉर्मेटिंग: 3 गलत उत्तर: 3 निर्देशों का पालन नहीं किया: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#47 Claude Sonnet 4.6

none
लागत
$0.038
समय
27.3s
टोकन
2,598 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:40 नया टेस्ट जोड़ा गया 6.8 10.0 $0.316 तुलना करें
2026-05-22 00:12 सूट बदला गया 7.0 10.0 $0.306 तुलना करें
2026-04-11 01:44 पहला दर्ज रन 7.4 लागू नहीं $0.262 वर्तमान रन

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 4.6nonevsMiMo-V2.5-PromediumClaude Sonnet 4.6nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsGemini 3.5 FlashhighClaude Sonnet 4.6nonevsGemini 3 Flash PreviewmediumClaude Sonnet 4.6nonevsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धClaude Sonnet 4.6nonevsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 4.8 10.0
कोडिंग 10.0 10.0
संयुक्त 9.5 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 7.7 10.0
Samanya Buddhimatta 6.1 3.1
निर्देश पालन 6.5 10.0
पहेली समाधान 7.7 10.0
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल