AI BENCHY
Advertise here
#59

Claude Sonnet 4.6

Anthropic रिलीज़: 2026-02-17 परीक्षण किया गया: 2026-07-16 22:21 anthropic/claude-sonnet-4.6::none
~1T कुल (~100B सक्रिय)MoEबंद स्रोतअनुमानित
(medium) (none)

सारांश

Claude Sonnet 4.6 AI BENCHY पर 7.3 स्कोर करता है और #59 पर है। इसकी reliability 10.0, pass rate 57.6%, कुल लागत $0.661, और औसत response time 8.12s है।

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

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

7.3

संगति

9.7

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.661

कुल आउटपुट टोकन

19,362

कुल इनपुट टोकन

123,264

इनपुट कीमत

$3.000 / 1M

आउटपुट कीमत

$15.000 / 1M

सही परीक्षण

गलत टेस्ट: 10

प्रति प्रयास पास दर: 57.6%

अस्थिर टेस्ट

1

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

प्रतिक्रिया समय (औसत)

8.12s

प्रतिक्रिया समय (अधिकतम): 51.18s

प्रतिक्रिया समय (कुल): 121.78s

गलत उत्तर: 5 अतिरिक्त फॉर्मेटिंग: 4 निर्देशों का पालन नहीं किया: 1

Hamster playing table tennis

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

#59 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
2026-08-14 02:00 दोबारा परीक्षण 7.3 10.0 $0.661 तुलना करें
2026-07-16 22:21 नया टेस्ट जोड़ा गया 7.3 10.0 $0.661 वर्तमान रन
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 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
2026-06-04 15:40 $3.000 / 1M $15.000 / 1M

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 4.6nonevsGemini 3 Flash PreviewlowClaude Sonnet 4.6nonevsKAT-Coder-Pro V2.5lowClaude Sonnet 4.6nonevsGrok 4.6lowClaude Sonnet 4.6nonevsGemini 3.1 Flash LitemediumClaude Sonnet 4.6nonevsQwen3.8 2.4T A95BhighClaude Sonnet 4.6nonevsQwen3.7 PlusnoneClaude Sonnet 4.6nonevsLongCat 2.0mediumClaude Sonnet 4.6nonevsDeepSeek V4 Flash 0731mediumClaude Sonnet 4.6nonevsGPT-5.6 LunamediumClaude Sonnet 4.6nonevsClaude Opus 4.8none

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 4.8 10.0
कोडिंग 5.5 10.0
संयुक्त 9.8 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
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल