Anthropic
Claude Sonnet 4.6 评测成绩
来自 2 个来源、9 项基准的 17 条成绩。
其他名称: claude-sonnet-4-6 · claude-sonnet-4-6_max · Claude Sonnet 4.6 (max) · claude-sonnet-4-6_high · Claude Sonnet 4.6 (high) · claude-sonnet-4-6_medium · Claude Sonnet 4.6 (medium) · claude-sonnet-4-6_32K · Claude Sonnet 4.6 (32k thinking) · Claude Sonnet 4.6 (no thinking)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1472 | 44 | Overall, style control on; 70971 votes; 95% CI 1468–1476“claude-sonnet-4-6” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1522 | 48 | Overall; 22866 votes; 95% CI 1517–1528“claude-sonnet-4-6” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1275 | 33 | Overall, style control on; 27429 votes; 95% CI 1269–1281“claude-sonnet-4-6” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 87.4% | 69 | Epoch AI run, accuracy; effort: 32k thinking | 独立评测 | 2026年2月20日 |
| GPQA Diamond | 83.3% | 96 | Epoch AI run, accuracy; effort: high | 独立评测 | 2026年7月13日 |
| GPQA Diamond | 83.3% | 96 | Epoch AI run, accuracy; effort: medium | 独立评测 | 2026年7月13日 |
| GPQA Diamond | 78.8% | 121 | Epoch AI run, accuracy; effort: max | 独立评测 | 2026年8月6日 |
| SWE-bench Verified | 75.2% | 14 | Epoch AI run (Epoch scaffold); effort: no thinking | 独立评测 | 2026年2月21日 |
| AIME (OTIS Mock AIME 2024–2025) | 85.8% | 92 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: 32k thinking | 独立评测 | 2026年2月20日 |
| AIME (OTIS Mock AIME 2024–2025) | 82.2% | 105 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: medium | 独立评测 | 2026年7月13日 |
| AIME (OTIS Mock AIME 2024–2025) | 75.6% | 118 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: high | 独立评测 | 2026年7月13日 |
| AIME (OTIS Mock AIME 2024–2025) | 71.1% | 126 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: max | 独立评测 | 2026年8月6日 |
| OSWorld (Verified) | 72.1% | 1 | OSWorld; agent: claude-sonnet-4-6 (100 steps); effort: no thinking | 官方榜单 via Epoch AI | 2026年2月17日 |
| OSWorld 2.0 | 9.3% | 10 | Binary accuracy; 500 steps; reasoning: medium; effort: medium | 官方榜单 via Epoch AI | 2026年2月17日 |
| OSWorld 2.0 | 8.3% | 11 | Binary accuracy; 500 steps; reasoning: max; effort: max | 官方榜单 via Epoch AI | 2026年2月17日 |
| Terminal-Bench 2.0 | 53.4% | 3 | Terminal-Bench 2.0; agent: Simplai Agent; effort: no thinking | 第三方汇编 via Epoch AI | 2026年5月14日 |
| Terminal-Bench 2.0 | 53.4% | 63 | Terminal-Bench 2.0; agent: Simplai Agent; effort: unknown thinking | 官方榜单 via Epoch AI | 2026年2月17日 |
常见问题
Claude Sonnet 4.6 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub和LMArena leaderboard dataset。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。