Advertise here
#79

Claude Sonnet 5.5

Anthropic रिलीज़: 2026-09-29 परीक्षण किया गया: 2026-09-29 21:37 anthropic/claude-sonnet-5.5::xhigh
~1T कुल (~100B सक्रिय)MoEबंद स्रोतअनुमानित
(max) (xhigh) (high) (medium) (low)

सारांश

Claude Sonnet 5.5 AI BENCHY पर 8.3 स्कोर करता है और #79 पर है। इसकी reliability 10.0, pass rate 78.8%, कुल लागत $1.069, और औसत response time 13.17s है।

Claude Sonnet 5.5 को अलग क्या बनाता है: यह निर्देश पालन में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डोमेन-विशिष्ट इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।

मॉडल विवरण

शोध की तारीख: 2026-09-29

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

8.3

संगति

8.7

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.069

कुल आउटपुट टोकन

77,105

कुल इनपुट टोकन

148,643

इनपुट कीमत

$2.000 / 1M

आउटपुट कीमत

$10.000 / 1M

सही परीक्षण

गलत टेस्ट: 7

प्रति प्रयास पास दर: 78.8%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

13.17s

प्रतिक्रिया समय (अधिकतम): 54.91s

प्रतिक्रिया समय (कुल): 289.67s

गलत उत्तर: 3 अतिरिक्त फॉर्मेटिंग: 1 निर्देशों का पालन नहीं किया: 1 अमान्य टूल कॉल: 1 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#79 Claude Sonnet 5.5

xhigh
लागत
$0.319
समय
258.6s
टोकन
31,969 tok

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 5.5xhighvsMuse Spark 1.1lowClaude Sonnet 5.5xhighvsClaude Sonnet 5.5highClaude Sonnet 5.5xhighvsDeepSeek V4.1 FlashmaxClaude Sonnet 5.5xhighvsGPT-6 LunahighClaude Sonnet 5.5xhighvsGLM 5.3 FlashXmaxClaude Sonnet 5.5xhighvsClaude Fable 5.1mediumClaude Sonnet 5.5xhighvsInkling SmallhighClaude Sonnet 5.5xhighvsGemini 2.5 FlashmediumClaude Sonnet 5.5xhighvsGPT-6 SollowClaude Sonnet 5.5xhighvsMuse Spark 1.3low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 8.2 7.2
संयुक्त 8.7 6.9
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 6.5 3.4
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