Anthropic: Claude Sonnet 4.6

Benchmark-urile au fost generate din suitele de teste Aibenchy la : 19 feb. 2026

Defalcare pe categorii

Categorie	Teste trecute complet	Score	Consistență	Rată de trecere pe încercare	Teste instabile	Scor de raționament	Cost
Anti-AI Tricks	1/2	5.50	10.00	50.0%	0	9.83	$0.02304
Data parsing and extraction	2/2	10.00	10.00	100.0%	0	9.83	$0.04958
Domain specific	0/3	1.00	7.21	11.1%	1	5.58	$0.64205
Instructions following	2/2	10.00	10.00	100.0%	0	10.00	$0.01497
Puzzle Solving	3/3	10.00	10.00	100.0%	0	9.44	$0.02077

Compară Anthropic: Claude Sonnet 4.6 cu...

#5 · OpenAI

Raționament (medium)

Score: 7.92

Consistență: 9.30

Rată de trecere pe încercare: 80.6%

Teste instabile: 1

Cost per rezultat: 2.2838

Teste corecte: 9/12

Cost total: $0.20554

#7 · Z.ai

Raționament (medium)

Score: 6.83

Consistență: 7.86

Rată de trecere pe încercare: 80.6%

Teste instabile: 3

Cost per rezultat: 1.3424

Teste corecte: 8/12

Cost total: $0.10740

#4 · Qwen

Raționament (medium)

Score: 8.42

Consistență: 9.30

Rată de trecere pe încercare: 86.1%

Teste instabile: 1

Cost per rezultat: 2.3151

Teste corecte: 10/12

Cost total: $0.23151

Compară Anthropic: Claude Sonnet 4.6 cu...