Claude Sonnet 5.5
Anthropic· 2026-09-28 上线
综合第 5 名
63.6
编程
65.1第 4 名
科研
63.9第 5 名
专业办公
66.5第 3 名
知识问答
55.5第 21 名
- 评测覆盖
- 16 / 25 项 · 64%
- 缓存输入
- ¥0.67
- 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 |
|---|---|---|---|---|
| FrontierCode | 52.1% | 61.3 | xhigh | 46 |
| FrontierSWE | 61.9% | 65.2 | max | 21 |
| CursorBench | 55.5% | 65.3 | max | 17 |
| WebDev Arena | 1,786 | 71.5 | xhigh | 96 |
| ALE-Bench | 1,819 | 62.4 | high | 88 |
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） | 88.8% | 62.9 | max | 66 |
| FrontierMath（4 级） | 80.5% | 63.9 | max | 57 |
| CritPt | 31.4% | 68.1 | max | 101 |
| ProofBench | 100.0% | 68.6 | max | 77 |
| OTIS Mock AIME | 100.0% | 56.5 | max | 87 |
| SciCode | 61.0% | 63.4 | 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 | 75.5% | 68.1 | max | 49 |
| Vending-Bench 2 | $11,165 | 64.9 | 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 | 46.5% | 50.2 | max | 65 |
| GPQA Diamond | 95.6% | 57.0 | max | 84 |
| Humanity's Last Exam | 46.1% | 59.4 | xhigh | 17 |
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 | 59.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（xhigh、max、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。