AI BENCHY
Advertise here
#57

Claude Sonnet 4.6

Anthropic Lansare: 2026-02-17 Testat la: 2026-06-04 13:40 anthropic/claude-sonnet-4.6::none
(medium) (none)

Rezumat

Claude Sonnet 4.6 obține 7.3 pe AI BENCHY și este pe #57. Are fiabilitate 10.0, rată de reușită 55.6%, cost total $0.316 și timp mediu de răspuns 5.04s.

Ce face Claude Sonnet 4.6 unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #1, iar Trucuri anti-AI este zona cea mai slabă, la #12.

Scor

7.3

Consistență

9.7

Fiabilitate

10.0

Cost total (preț curent)

$0.316

Total tokenuri de ieșire

9,465

Total tokenuri de intrare

57,886

Preț de intrare

$3.000 / 1M

Preț de ieșire

$15.000 / 1M

Teste corecte

Teste greșite: 10

Rată de trecere pe încercare: 55.6%

Teste instabile

1

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

5.04s

Timp de răspuns (maxim): 23.84s

Timp de răspuns (total): 70.60s

Răspuns greșit: 5 Formatare suplimentară: 4 Nu a urmat instrucțiunile: 1

Prezentare generare

Hamster playing table tennis

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

#57 Claude Sonnet 4.6

none
Cost
$0.038
Timp
27.3s
Tokenuri
2,598 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-06-04 13:40 Test nou adăugat 6.8 10.0 $0.316 Rularea curentă
2026-05-22 00:12 Suită modificată 7.0 10.0 $0.306 Compară
2026-04-11 01:44 Prima rulare înregistrată 7.4 N/D $0.262 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-04 15:40 $3.000 / 1M $15.000 / 1M

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Claude Sonnet 4.6nonevsMiMo-V2.5-PromediumClaude Sonnet 4.6nonevsGrok 4.20mediumClaude Sonnet 4.6nonevsSeed-2.0-MinimediumClaude Sonnet 4.6nonevsGemini 3.5 FlashhighClaude Sonnet 4.6nonevsGemini 3 Flash PreviewmediumClaude Sonnet 4.6nonevsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitClaude Sonnet 4.6nonevsGPT-5.5low

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 4.8 10.0
Programare 5.5 10.0
Combinat 9.5 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 7.7 10.0
Inteligență generală 6.1 3.1
Respectarea instrucțiunilor 6.5 10.0
Rezolvare de puzzle-uri 7.7 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate