Claude Sonnet 4.6
Anthropic· 2026-02-17 上线
综合第 40 名
48.1
编程
47.5第 37 名
科研
47.1第 54 名
专业办公
51.4第 21 名
知识问答
47.0第 48 名
- 评测覆盖
- 17 / 25 项 · 68%
- 缓存输入
- ¥2.02
- 输入
- ¥20.18
- 输出
- ¥100.88
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SWE-bench Verified | 75.2% | 49.9 | 默认 | 22 |
| Terminal-Bench | 53.4% | 49.5 | 未注明 | 29 |
| DeepSWE | 29.9% | 32.6 | high | 26 |
| FrontierCode | 24.3% | 40.7 | 未注明 | 46 |
| WebDev Arena | 1,521 | 53.0 | 默认 | 96 |
| ALE-Bench | 1,327 | 53.7 | medium | 88 |
| WeirdML | 66.1% | 53.3 | medium | 60 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| CritPt | 3.1% | 41.6 | max | 101 |
| ProofBench | 45.0% | 51.0 | max | 77 |
| OTIS Mock AIME | 85.8% | 47.9 | 32K | 87 |
| SciCode | 46.8% | 48.0 | max | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 43.0% | 44.8 | high | 49 |
| OSWorld 2.0 | 9.3% | 44.5 | medium | 9 |
| OSWorld | 72.1% | 不计分 | 默认 | 2 |
| Vending-Bench 2 | $7,204 | 54.2 | 未注明 | 55 |
| DeepResearch Bench | 54.9% | 62.2 | high | 14 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 35.5% | 43.8 | high | 65 |
| GPQA Diamond | 87.4% | 50.1 | 32K | 84 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 60.4% | 不计分 | high | 52 |
| ARC-AGI | 86.5% | 不计分 | high | 52 |
| 国际象棋谜题 | 23.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（未注明、high、medium、max、32K、low）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。