AI BENCHY
Advertise here
#116

Claude Sonnet 5

Anthropic Lansare: 2026-06-30 Testat la: 2026-06-30 21:33 anthropic/claude-sonnet-5::none
~1T în total (~100B activi)MoEÎnchisEstimat
(medium) (none)

Rezumat

Claude Sonnet 5 obține 5.7 pe AI BENCHY și este pe #116. Are fiabilitate 10.0, rată de reușită 42.9%, cost total $0.287 și timp mediu de răspuns 4.74s.

Ce face Claude Sonnet 5 unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #3, iar Trucuri anti-AI este zona cea mai slabă, la #18.

Date despre model

Documentat la 2026-08-12

Estimat
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.

Sursa parametrilor Sursa disponibilității

Scor

5.7

Consistență

8.6

Fiabilitate

10.0

Cost total (preț curent)

$0.287

Total tokenuri de ieșire

13,325

Total tokenuri de intrare

76,797

Preț de intrare

$2.000 / 1M

Preț de ieșire

$10.000 / 1M

Teste corecte

Teste greșite: 14

Rată de trecere pe încercare: 42.9%

Teste instabile

4

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

Timp de răspuns (mediu)

4.74s

Timp de răspuns (maxim): 29.46s

Timp de răspuns (total): 99.46s

Răspuns greșit: 7 Formatare suplimentară: 4 Fără răspuns: 2 Nu a urmat instrucțiunile: 1

Hamster playing table tennis

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

#116 Claude Sonnet 5

none
Cost
$0.061
Timp
53.7s
Tokenuri
6,172 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-08-14 02:10 Retestare 6.1 10.0 $0.548 Compară
2026-07-16 22:32 Test nou adăugat 6.3 10.0 $0.548 Compară
2026-06-30 21:33 Prima rulare 5.7 10.0 $0.287 Rularea curentă

Comparație între rulări

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-06-30 21:33 · Prima rulare63/63 încercări5.78.610.07/21413,32576,797$0.2874.74s
2026-08-14 02:10 · Retestare66/66 încercări6.18.710.07/22422,508161,032$0.5486.05s
Diferență—-0.5-0.10.000-9183-84235-$0.261-1309ms

Acoperirea benchmark diferă: 63/63 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.

Istoric prețuri

Date istorice de preț pentru acest model de la OpenRouter.

Dată Preț de intrare Preț de ieșire
2026-06-30 21:35 $2.000 / 1M $10.000 / 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 5nonevsGPT-5.6 LunalowClaude Sonnet 5nonevsGemini 3.1 Flash LiteminimalClaude Sonnet 5nonevsGemma 4 31BmediumDisponibil gratuitClaude Sonnet 5nonevsQwen3.5-35B-A3BmediumClaude Sonnet 5nonevsSeed-2.0-LitenoneClaude Sonnet 5nonevsgpt-oss-120bmediumClaude Sonnet 5nonevsRing-2.6-1TmediumClaude Sonnet 5nonevsQwen3.7 FlashnoneClaude Sonnet 5nonevsLing-3.0-flashhighClaude Sonnet 5nonevsGemini 3.1 Flash Litenone

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Trucuri anti-AI 5.3 10.0
Programare 4.6 7.9
Combinat 3.0 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 5.3 7.2
Inteligență generală 4.7 3.1
Respectarea instrucțiunilor 6.4 10.0
Rezolvare de puzzle-uri 6.0 7.4
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate