#47 Claude Sonnet 4.6
none- Cost
- $0.038
- Timp
- 27.3s
- Tokenuri
- 2,598 tok
Anthropic
Lansare: 2026-02-17
Testat la: 2026-04-11 01:44
anthropic/claude-sonnet-4.6::none
~1T în total (~100B activi)MoEÎnchisEstimat
(medium)
(none)
Rezumat
Claude Sonnet 4.6 obține 7.4 pe AI BENCHY și este pe #47. Are fiabilitate N/D, rată de reușită 64.8%, cost total $0.262 și timp mediu de răspuns 4.98s.
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 #18. Este vizibil rapid față de modele similare.
Date despre model
Documentat la 2026-08-12
- Parametri
- ~1T în total (~100B activi)
- Arhitectură
- MoE
- Disponibilitate
- Închis
- Licență
- -
Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.
7.4
Consistență
9.6
N/D
$0.262
Total tokenuri de ieșire
7,433
Total tokenuri de intrare
0
Preț de intrare
$3.000 / 1M
Preț de ieșire
$15.000 / 1M
Teste instabile
1
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-08-14 02:00 Retestare | 7.3 | 10.0 | $0.661 | Compară | |
| 2026-07-16 22:21 Test nou adăugat | 7.3 | 10.0 | $0.661 | Compară | |
| 2026-06-04 13:40 Test nou adăugat | 6.8 | 10.0 | $0.316 | Compară | |
| 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 | Rularea curentă |
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Prima rulare înregistrată | 54/54 încercări | 7.4 | 9.6 | N/D | 11/18 | 1 | 7,433 | 0 | $0.262 | 4.98s |
| 2026-08-14 02:00 · Retestare | 66/66 încercări | 7.3 | 9.7 | 10.0 | 12/22 | 1 | 19,362 | 123,273 | $0.661 | 7.67s |
| Diferență | — | +0.1 | -0.1 | -1 | 0 | -11929 | -123273 | -$0.399 | -2689ms |
Acoperirea benchmark diferă: 54/54 încercări (Țintă: 3 repetări per test) față de 66/66 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Top modele după scor
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
Claude Sonnet 4.6nonevsGemini 3 Flash PreviewlowClaude Sonnet 4.6nonevsKAT-Coder-Pro V2.5lowClaude Sonnet 4.6nonevsGrok 4.6lowClaude Sonnet 4.6nonevsGemini 3.1 Flash LitemediumClaude Sonnet 4.6nonevsQwen3.8 2.4T A95BhighClaude Sonnet 4.6nonevsQwen3.7 PlusnoneClaude Sonnet 4.6nonevsLongCat 2.0mediumClaude Sonnet 4.6nonevsDeepSeek V4 Flash 0731mediumClaude Sonnet 4.6nonevsGPT-5.6 LunamediumClaude Sonnet 4.6nonevsClaude Opus 4.8none
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 4.8 | 10.0 | |
| Programare | 10.0 | 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 |