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	0/2	1.00	10.00	0.0%	0	-	$0.01092
Data parsing and extraction	2/2	10.00	10.00	100.0%	0	-	$0.02854
Domain specific	2/3	7.00	10.00	66.7%	0	-	$0.00309
Instructions following	1/2	5.50	10.00	50.0%	0	-	$0.00342
Puzzle Solving	1/3	5.00	7.68	44.4%	1	-	$0.01092

Compară Anthropic: Claude Sonnet 4.6 cu...

#12 · OpenAI

Raționament (medium)

Score: 5.75

Consistență: 7.19

Rată de trecere pe încercare: 63.9%

Teste instabile: 4

Cost per rezultat: 0.0951

Teste corecte: 6/12

Cost total: $0.00571

#14 · Qwen

Fără raționament

Score: 5.67

Consistență: 9.99

Rată de trecere pe încercare: 50.0%

Teste instabile: 0

Cost per rezultat: 0.0997

Teste corecte: 6/12

Cost total: $0.00599

#11 · OpenAI

Raționament (medium)

Score: 5.92

Consistență: 6.03

Rată de trecere pe încercare: 72.2%

Teste instabile: 6

Cost per rezultat: 0.4675

Teste corecte: 6/12

Cost total: $0.02806

Compară Anthropic: Claude Sonnet 4.6 cu...