#47 Claude Sonnet 4.6
medium
SVG tidak valid
- Biaya
- $0.000
- Waktu
- 300.0s
- Token
- 0 tok
Anthropic
Rilis: 2026-02-17
Diuji pada: 2026-05-22 00:14
anthropic/claude-sonnet-4.6::medium
~1T total (~100B aktif)MoETertutupPerkiraan
(medium)
(none)
Ringkasan
Claude Sonnet 4.6 mendapat skor 7.6 di AI BENCHY dan berada di peringkat #47. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 68.3%, total biaya $1.330, dan waktu respons rata-rata 15.72s.
Yang membuat Claude Sonnet 4.6 unik: Model ini paling menonjol di Kepatuhan instruksi, dengan peringkat #1, sementara Trik anti-AI adalah area terlemahnya di #18.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- ~1T total (~100B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Tertutup
- Lisensi
- -
Perkiraan terbaik berdasarkan bukti publik; penyedia tidak mengungkapkan semua nilai.
7.6
Konsistensi
9.2
10.0
$1.330
Total token output
79,442
Total token input
0
Harga input
$3.000 / 1M
Harga output
$15.000 / 1M
Tes tidak stabil
2
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 02:03 Uji ulang | 7.8 | 10.0 | $2.126 | Bandingkan | |
| 2026-07-16 22:27 Tes baru ditambahkan | 7.8 | 10.0 | $2.057 | Bandingkan | |
| 2026-06-04 13:42 Tes baru ditambahkan | 7.4 | 10.0 | $1.418 | Bandingkan | |
| 2026-05-22 00:14 Suite berubah | 7.6 | 10.0 | $1.330 | Run saat ini | |
| 2026-04-11 01:44 Run pertama yang tercatat | 8.0 | T/A | $1.161 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:14 · Suite berubah | 60/60 percobaan | 7.6 | 9.2 | 10.0 | 13/20 | 2 | 79,442 | 0 | $1.330 | 15.72s |
| 2026-07-16 22:27 · Tes baru ditambahkan | 66/66 percobaan | 7.8 | 9.2 | 10.0 | 14/22 | 2 | 115,865 | 106,292 | $2.057 | 25.91s |
| Selisih | — | -0.3 | 0.0 | 0.0 | -1 | 0 | -36423 | -106292 | -$0.728 | -10189ms |
Cakupan benchmark berbeda: 60/60 percobaan (Target: 3 pengulangan per tes) dibanding 66/66 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
Total token output
Skor vs Total token output
Perbandingan Cepat
Claude Sonnet 4.6mediumvsGPT-5.6 TerramediumClaude Sonnet 4.6mediumvsQwen3.8 27BmediumClaude Sonnet 4.6mediumvsGLM 5.2mediumClaude Sonnet 4.6mediumvsSeed-2.0-LitemediumClaude Sonnet 4.6mediumvsGemini 3.5 Flash LitemediumClaude Sonnet 4.6mediumvsClaude Opus 4.8lowClaude Sonnet 4.6mediumvsQwen3.6 PlusmediumClaude Sonnet 4.6mediumvsQwen3.7 FlashhighClaude Sonnet 4.6mediumvsQwen3.7 PlusmediumClaude Sonnet 4.6mediumvsGLM 5medium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 6.5 | 10.0 | |
| Pemrograman | 6.9 | 6.0 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 2.9 | 7.2 | |
| Kecerdasan umum | 10.0 | 10.0 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 10.0 | 10.0 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |