AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs Anthropic: Claude Sonnet 5

摘要

Claude Sonnet 4.6 vs Claude Sonnet 5 benchmark 对比：Claude Sonnet 4.6 平均分领先，为 7.3 vs 5.7。 Claude Sonnet 5 benchmark 成本更低，为 $0.287 vs $0.316。 Claude Sonnet 5 更快，为 4.74s vs 5.04s，通过率为 55.6% vs 42.9%。

推荐模型: Claude Sonnet 4.6 - 它在本次比较中得分最高（7.3），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	Claude Sonnet 5 Claude Sonnet 5 none 发布日期: 2026-06-30

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	Claude Sonnet 5 Claude Sonnet 5 none 发布日期: 2026-06-30
分数	7.3	5.7
排名	#57	#117
可靠性	10.0	10.0
一致性	9.7	8.6
测试正确
尝试通过率	55.6%	42.9%
不稳定测试	1	4
总运行次数	63	63
每个结果成本	2.870	4.098
总成本	$0.316	$0.287
输入价格	$3.000 / 1M	$2.000 / 1M
输出价格	$15.000 / 1M	$10.000 / 1M
总输入令牌	57,886	76,797
输出令牌	9,465	13,325
推理令牌	0	0
响应时间（平均）	5.04s	4.74s
响应时间（最大）	23.84s	29.46s
响应时间（总计）	70.60s	99.46s

生成展示

Hamster playing table tennis

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

#57 Claude Sonnet 4.6

none

成本: $0.038
时间: 27.3s
令牌: 2,598 tok

#117 Claude Sonnet 5

none

成本: $0.061
时间: 53.7s
令牌: 6,172 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	4.8	10.0	25.0%	0		2.94s	636	1,214	0
Claude Sonnet 5	5.3	10.0	25.0%	0		3.60s	834	1,813	0

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	5.5	10.0	33.3%	0		5.19s	8,522	2,127	0
Claude Sonnet 5	4.6	7.9	22.2%	1		3.67s	10,590	1,864	0

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	9.5	10.0	100.0%	0		23.84s	26,024	3,766	0
Claude Sonnet 5	3.0	10.0	0.0%	0		29.46s	38,775	6,340	0

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		3.43s	8,574	252	0
Claude Sonnet 5	10.0	10.0	100.0%	0		3.01s	10,503	309	0

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	7.7	10.0	66.7%	0		3.54s	759	413	0
Claude Sonnet 5	5.3	7.2	44.4%	1		3.28s	975	933	0

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	6.1	3.1	66.7%	1		2.56s	513	192	0
Claude Sonnet 5	4.7	3.1	33.3%	1		2.81s	708	272	0

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	6.5	10.0	50.0%	0		1.96s	690	90	0
Claude Sonnet 5	6.4	10.0	50.0%	0		2.58s	909	103	0

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	7.7	10.0	66.7%	0		2.53s	663	533	0
Claude Sonnet 5	6.0	7.4	55.6%	1		3.22s	894	778	0

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	11,301	447	0
Claude Sonnet 5	10.0	10.0	100.0%	0		6.80s	12,351	522	0

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	3.0	10.0	0.0%	0		4.67s	204	431	0
Claude Sonnet 5	3.0	10.0	0.0%	0		4.31s	258	391	0

快速对比

切换对比组合