AI BENCHY
Advertise here
#30

Claude Sonnet 4.6

Anthropic प्रकाशन: 2026-02-17 चाचणी तारीख: 2026-04-11 01:44 anthropic/claude-sonnet-4.6::medium
(medium) (none)

सारांश

Claude Sonnet 4.6 AI BENCHY वर 8.0 स्कोर करते आणि #30 वर आहे. याची reliability लागू नाही, pass rate 74.1%, एकूण खर्च $1.161, आणि सरासरी response time 12.66s आहे.

Claude Sonnet 4.6 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर अँटी-एआय युक्त्या हा सर्वात कमकुवत भाग आहे, rank #17.

स्कोअर

8.0

सुसंगतता

9.5

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$1.161

एकूण आउटपुट टोकन्स

68,852

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$3.000 / 1M

आउटपुट किंमत

$15.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 5

प्रति प्रयत्न पास दर: 74.1%

अस्थिर चाचण्या

1

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

12.66s

प्रतिसाद वेळ (कमाल): 46.35s

प्रतिसाद वेळ (एकूण): 126.62s

अतिरिक्त फॉरमॅटिंग: 2 चुकीचे उत्तर: 2 वेळ संपला: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#30 Claude Sonnet 4.6

medium
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-06-04 13:42 नवीन चाचणी जोडली 7.4 10.0 $1.418 तुलना करा
2026-05-22 00:14 सूट बदलला 7.6 10.0 $1.330 तुलना करा
2026-04-11 01:44 पहिली नोंदलेली रन 8.0 लागू नाही $1.161 सध्याची रन

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-04-11 01:44 · पहिली नोंदलेली रन8.09.5लागू नाही13/18168,8520$1.16112.66s
2026-06-04 13:42 · नवीन चाचणी जोडली7.49.110.013/21284,67349,112$1.41817.06s
फरक+0.7+0.40-1-15821-49112-$0.257-4402ms

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Claude Sonnet 4.6mediumvsClaude Sonnet 5mediumClaude Sonnet 4.6mediumvsQwen3.5-27BmediumClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewmediumClaude Sonnet 4.6mediumvsQwen3.5 Plus 2026-02-15mediumClaude Sonnet 4.6mediumvsQwen3.5 Plus 2026-04-20mediumClaude Sonnet 4.6mediumvsGemini 3.5 FlashhighClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewmediumClaude Sonnet 4.6mediumvsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धClaude Sonnet 4.6mediumvsGPT-5.5low

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 6.5 10.0
कोडिंग 10.0 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 10.0 10.0
कोडी सोडवणे 10.0 10.0
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स