AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#334

Claude Sonnet 5

Anthropic प्रकाशन: 2026-06-30 चाचणी तारीख: 2026-10-01 01:40 anthropic/claude-sonnet-5::none
~1T एकूण (~100B सक्रिय)MoEबंद स्रोतअंदाजित
(medium) (none)

सारांश

Claude Sonnet 5 AI BENCHY वर 5.9 स्कोर करते आणि #334 वर आहे. याची reliability 10.0, pass rate 40.6%, एकूण खर्च $1.095, आणि सरासरी response time 8.60s आहे.

Claude Sonnet 5 खास का आहे: हे संयुक्त मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #17.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

अंदाजित
पॅरामीटर्स
~1T एकूण (~100B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

5.9

सुसंगतता

8.4

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$1.095

एकूण आउटपुट टोकन्स

30,777

एकूण इनपुट टोकन्स

393,560

इनपुट किंमत

$2.000 / 1M

आउटपुट किंमत

$10.000 / 1M

कॅश वाचण्याची किंमत

$0.200 / 1M

कॅश लिहिण्याची किंमत

$2.500 / 1M

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

बरोबर चाचण्या

चुकीच्या चाचण्या: 16

प्रति प्रयत्न पास दर: 40.6%

अस्थिर चाचण्या

5

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

प्रतिसाद वेळ (सरासरी)

8.60s

प्रतिसाद वेळ (कमाल): 64.73s

प्रतिसाद वेळ (एकूण): 197.73s

चुकीचे उत्तर: 9 अतिरिक्त फॉरमॅटिंग: 4 उत्तर नाही: 2 सूचनांचे पालन केले नाही: 1

Hamster playing table tennis

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

#334 Claude Sonnet 5

none
खर्च
$0.061
वेळ
53.7s
टोकन्स
6,172 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-10-01 01:40 पुन्हा चाचणी 5.9 10.0 $1.095 सध्याची रन
2026-07-16 22:32 नवीन चाचणी जोडली 6.3 10.0 $0.548 तुलना करा
2026-06-30 21:33 पहिला रन 5.7 10.0 $0.287 तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-10-01 01:40 · सध्याची रन69/69 प्रयत्न5.98.410.07/23530,777393,560$1.0958.60s
2026-06-30 21:33 · पहिला रन63/63 प्रयत्न5.78.610.07/21413,32576,797$0.2874.74s
फरक—+0.2-0.20.00+1+17452+316763+$0.809+3861ms

बेंचमार्क कव्हरेज वेगळे आहे: 69/69 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 63/63 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.

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

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख इनपुट किंमत आउटपुट किंमत कॅश वाचण्याची किंमत कॅश लिहिण्याची किंमत
2026-08-14 12:51 $2.000 / 1M $10.000 / 1M लागू नाही लागू नाही
2026-10-01 18:33 $2.000 / 1M $10.000 / 1M $0.200 / 1M $2.500 / 1M

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 5nonevsQwen3.6 FlashnoneClaude Sonnet 5nonevsNemotron 3 Ultranoneमोफत उपलब्धClaude Sonnet 5nonevsGemini 3.1 Flash LitenoneClaude Sonnet 5nonevsQwen3.7 FlashnoneClaude Sonnet 5nonevsgpt-oss-120bmediumClaude Sonnet 5nonevsHy4lowClaude Sonnet 5nonevsGemini 3.1 Flash LiteminimalClaude Sonnet 5nonevsQwen3.8 Flash NextnoneClaude Sonnet 5nonevsSeed-2.0-LitenoneClaude Sonnet 5nonevsDeepSeek V4.1 Flash 1017none

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
स्वायत्त एजंट कार्ये 4.7 3.1
अँटी-एआय युक्त्या 5.3 10.0
कोडिंग 4.6 7.9
संयुक्त 6.5 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 7.2
Samanya Buddhimatta 4.7 3.1
सूचनांचे पालन 6.4 10.0
कोडी सोडवणे 6.0 7.4
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स