Anthropic
Claude Sonnet 4.5 评测成绩
来自 5 个来源、11 项基准的 41 条成绩。
其他名称: claude-sonnet-4-5-20250929-high-32k · claude-sonnet-4-5-20250929 · claude-sonnet-4-5-20250929_16K · Claude Sonnet 4.5 (16k thinking) · claude-sonnet-4-5-20250929_59K · Claude Sonnet 4.5 (59k thinking) · claude-sonnet-4-5-20250929_32K · Claude Sonnet 4.5 (32k thinking) · Claude Sonnet 4.5 (no thinking) · claude-sonnet-4-5-20250929_unknown
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1456 | 64 | Overall, style control on; 83973 votes; 95% CI 1454–1459“claude-sonnet-4-5-20250929-high-32k” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1455 | 69 | Overall, style control on; 82735 votes; 95% CI 1452–1458“claude-sonnet-4-5-20250929” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1393 | 94 | Overall; 13256 votes; 95% CI 1386–1401“claude-sonnet-4-5-20250929-high-32k” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1385 | 98 | Overall; 15723 votes; 95% CI 1377–1392“claude-sonnet-4-5-20250929” | 官方榜单 | 2026年10月8日 |
| GPQA Diamond | 82.3% | 104 | Epoch AI run, accuracy; effort: 59k thinking | 独立评测 | 2025年10月28日 |
| GPQA Diamond | 81.7% | 109 | Epoch AI run, accuracy; effort: 32k thinking | 独立评测 | 2025年10月21日 |
| GPQA Diamond | 78.8% | 121 | Epoch AI run, accuracy; effort: 16k thinking | 独立评测 | 2025年10月28日 |
| GPQA Diamond | 73.7% | 146 | Epoch AI run, accuracy; effort: no thinking | 独立评测 | 2025年9月29日 |
| SWE-bench Verified | 71.3% | 24 | Epoch AI run (Epoch scaffold); effort: no thinking | 独立评测 | 2026年2月5日 |
| SWE-bench Verified | 74.8% | 9 | agent: Sonar Foundation Agent“claude-sonnet-4-5” | 官方榜单 | 2025年11月3日 |
| SWE-bench Verified | 71.4% | 21 | agent: mini-SWE-agent“claude-sonnet-4-5-20250929” | 官方榜单 | 2026年2月17日 |
| AIME (OTIS Mock AIME 2024–2025) | 77.8% | 115 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: 59k thinking | 独立评测 | 2025年10月28日 |
| AIME (OTIS Mock AIME 2024–2025) | 77.8% | 115 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: 32k thinking | 独立评测 | 2025年10月21日 |
| AIME (OTIS Mock AIME 2024–2025) | 71.1% | 126 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: 16k thinking | 独立评测 | 2025年10月28日 |
| AIME (OTIS Mock AIME 2024–2025) | 35.6% | 187 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: no thinking | 独立评测 | 2025年9月29日 |
| MATH Level 5 | 97.7% | 6 | Epoch AI run, accuracy; effort: 32k thinking | 独立评测 | 2025年10月21日 |
| Humanity's Last Exam | 13.7% | 29 | Compiled by Epoch AI; effort: unknown thinking | 第三方汇编 via Epoch AI | 2025年9月29日 |
| OSWorld (Verified) | 62.9% | 3 | OSWorld; agent: claude-sonnet-4-5-20250929 (100 steps); effort: no thinking | 官方榜单 via Epoch AI | 2025年10月30日 |
| OSWorld (Verified) | 58.1% | 4 | OSWorld; agent: claude-sonnet-4-5-20250929 (50 steps); effort: no thinking | 官方榜单 via Epoch AI | 2025年10月30日 |
| OSWorld (Verified) | 42.9% | 6 | OSWorld; agent: claude-sonnet-4-5-20250929 (15 steps); effort: no thinking | 官方榜单 via Epoch AI | 2025年10月30日 |
| τ²-bench | 72.0% | 8 | airline domain, pass^1; effort: enabled; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年2月24日 |
| τ²-bench | 70.0% | 10 | airline domain, pass^1; submitted by Anthropic; v0.1.3“Claude-Sonnet-4.5” | 厂商自报 | 2025年9月29日 |
| τ²-bench | 25.3% | 18 | banking_knowledge domain, pass^1; effort: enabled; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年2月24日 |
| τ²-bench | 86.2% | 1 | retail domain, pass^1; submitted by Anthropic; v0.1.3“Claude-Sonnet-4.5” | 厂商自报 | 2025年9月29日 |
| τ²-bench | 72.4% | 21 | retail domain, pass^1; effort: enabled; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年2月24日 |
| τ²-bench | 98.0% | 2 | telecom domain, pass^1; submitted by Anthropic; v0.1.3“Claude-Sonnet-4.5” | 厂商自报 | 2025年9月29日 |
| τ²-bench | 84.9% | 14 | telecom domain, pass^1; effort: enabled; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年2月24日 |
| Terminal-Bench 2.0 | 42.7% | 4 | Terminal-Bench 2.0; agent: MAYA; effort: unknown thinking | 第三方汇编 via Epoch AI | 2026年1月4日 |
| Terminal-Bench 2.0 | 46.5% | 76 | Terminal-Bench 2.0; agent: CAMEL-AI; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年9月29日 |
| Terminal-Bench 2.0 | 43.1% | 85 | Terminal-Bench 2.0; agent: Goose; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年9月29日 |
| Terminal-Bench 2.0 | 42.8% | 89 | Terminal-Bench 2.0; agent: Terminus 2; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年9月29日 |
| Terminal-Bench 2.0 | 42.8% | 90 | Terminal-Bench 2.0; agent: Terminus 2 ; effort: no thinking | 官方榜单 via Epoch AI | 2025年10月31日 |
| Terminal-Bench 2.0 | 42.7% | 91 | Terminal-Bench 2.0; agent: MAYA-V2; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年9月29日 |
| Terminal-Bench 2.0 | 42.6% | 93 | Terminal-Bench 2.0; agent: OpenHands ; effort: no thinking | 官方榜单 via Epoch AI | 2025年11月2日 |
| Terminal-Bench 2.0 | 42.6% | 94 | Terminal-Bench 2.0; agent: OpenHands; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年9月29日 |
| Terminal-Bench 2.0 | 42.5% | 95 | Terminal-Bench 2.0; agent: Mini-SWE-Agent; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年9月29日 |
| Terminal-Bench 2.0 | 42.5% | 96 | Terminal-Bench 2.0; agent: Mini-SWE-Agent ; effort: no thinking | 官方榜单 via Epoch AI | 2025年11月3日 |
| Terminal-Bench 2.0 | 40.1% | 100 | Terminal-Bench 2.0; agent: Claude Code ; effort: no thinking | 官方榜单 via Epoch AI | 2025年11月4日 |
| Terminal-Bench 2.0 | 40.1% | 101 | Terminal-Bench 2.0; agent: Claude Code; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年9月29日 |
| BFCL v4 (function calling) | 73.2% | 2 | Overall accuracy; native function calling (FC)“Claude-Sonnet-4-5-20250929 (FC)” | 官方榜单 | 2026年10月17日 |
| BFCL v4 (function calling) | 24.9% | 89 | Overall accuracy; prompt-based“Claude-Sonnet-4-5-20250929 (Prompt)” | 官方榜单 | 2026年10月17日 |
常见问题
Claude Sonnet 4.5 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、Berkeley Function Calling Leaderboard (BFCL)、LMArena leaderboard dataset、SWE-bench leaderboards (swebench.com)和τ²-bench leaderboard submissions。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。