Anthropic
Claude Sonnet 4 评测成绩
来自 5 个来源、10 项基准的 17 条成绩。
其他名称: claude-sonnet-4-20250514-thinking-32k · claude-sonnet-4-20250514 · claude-sonnet-4-20250514_59K · claude-sonnet-4-20250514_32K · claude-sonnet-4-20250514_16K · claude-sonnet-4-20250514_unknown · Claude Sonnet 4 (unknown thinking) · Claude Sonnet 4 (Thinking) · Claude 4 Sonnet · EPAM AI/Run Developer Agent v20250719 + Claude 4 Sonnet
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1402 | 158 | Overall, style control on; 34149 votes; 95% CI 1397–1406“claude-sonnet-4-20250514-thinking-32k” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1391 | 173 | Overall, style control on; 39172 votes; 95% CI 1386–1395“claude-sonnet-4-20250514” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1206 | 82 | Overall, style control on; 1145 votes; 95% CI 1189–1223“claude-sonnet-4-20250514-thinking-32k” | 官方榜单 | 2026年10月2日 |
| LMArena Vision | 1188 | 93 | Overall, style control on; 1807 votes; 95% CI 1174–1202“claude-sonnet-4-20250514” | 官方榜单 | 2026年10月2日 |
| LiveCodeBench | 48.9% | 16 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Claude-Sonnet-4 (Thinking)” | 官方榜单 | 2025年4月7日 |
| GPQA Diamond | 79.2% | 119 | Epoch AI run, accuracy | 独立评测 | 2025年5月26日 |
| SWE-bench Verified | 76.8% | 4 | agent: EPAM AI/Run Developer Agent“claude-sonnet-4-20250514” | 官方榜单 | 2025年8月4日 |
| SWE-bench Verified | 74.8% | 9 | agent: Harness AI“claude-sonnet-4-20250514” | 官方榜单 | 2025年7月31日 |
| SWE-bench Verified | 57.0% | 55 | agent: Artemis Agent v2“claude-sonnet-4-20250514” | 官方榜单 | 2025年9月24日 |
| AIME (OTIS Mock AIME 2024–2025) | 68.9% | 131 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年5月23日 |
| MATH Level 5 | 84.4% | 30 | Epoch AI run, accuracy | 独立评测 | 2025年5月22日 |
| Humanity's Last Exam | 7.8% | 40 | Compiled by Epoch AI; effort: unknown thinking | 第三方汇编 via Epoch AI | 2025年5月22日 |
| OSWorld (Verified) | 43.9% | 5 | OSWorld; agent: claude-4-sonnet-20250514 (50 steps) | 官方榜单 via Epoch AI | 2025年7月27日 |
| OSWorld (Verified) | 41.4% | 7 | OSWorld; agent: claude-4-sonnet-20250514 (100 steps) | 官方榜单 via Epoch AI | 2025年7月27日 |
| OSWorld (Verified) | 31.2% | 11 | OSWorld; agent: claude-4-sonnet-20250514 (15 steps) | 官方榜单 via Epoch AI | 2025年7月27日 |
| τ²-bench | 60.0% | 15 | airline domain, pass^1; submitted by Anthropic; voriginal tau-bench | 厂商自报 | 2025年5月22日 |
| τ²-bench | 80.5% | 11 | retail domain, pass^1; submitted by Anthropic; voriginal tau-bench | 厂商自报 | 2025年5月22日 |
常见问题
Claude Sonnet 4 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LiveCodeBench leaderboard、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。