Claude Sonnet 5
Anthropic· 2026-06-30 上线
综合第 27 名
51.3
编程
50.4第 28 名
科研
53.8第 30 名
专业办公
52.5第 17 名
知识问答
48.2第 42 名
- 评测覆盖
- 18 / 25 项 · 72%
- 缓存输入
- ¥1.35
- 输入
- ¥13.45
- 输出
- ¥67.25
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 |
|---|---|---|---|---|
| DeepSWE | 53.8% | 47.9 | max | 26 |
| FrontierCode | 42.7% | 54.4 | 未注明 | 46 |
| CursorBench | 34.1% | 37.7 | max | 17 |
| WebDev Arena | 1,537 | 54.1 | high | 96 |
| ALE-Bench | 1,463 | 56.1 | high | 88 |
| WeirdML | 68.8% | 54.8 | high | 60 |
| GSO | 37.3% | 47.8 | 未注明 | 16 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 65.6% | 52.1 | max | 66 |
| FrontierMath（4 级） | 29.3% | 45.6 | max | 57 |
| CritPt | 16.9% | 54.5 | max | 101 |
| ProofBench | 77.0% | 61.2 | max | 77 |
| OTIS Mock AIME | 94.7% | 53.3 | xhigh | 87 |
| SciCode | 54.3% | 56.1 | high | 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 | 54.5% | 53.0 | 未注明 | 49 |
| Vending-Bench 2 | $6,378 | 52.0 | 未注明 | 55 |
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 | 33.7% | 42.7 | max | 65 |
| GPQA Diamond | 90.5% | 52.8 | xhigh | 84 |
| SimpleBench | 60.6% | 49.2 | 未注明 | 39 |
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 |
|---|---|---|---|---|
| 国际象棋谜题 | 45.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（max、xhigh、high、medium、low、未注明）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。