BenchLeader

Claude Sonnet 4

推論エフォート
品質339中122位
53.8Index
中央値より上
中央値比 +3.6
価格255中224位
$6.00100万トークンあたり
高い方から4分の1
中央値の7.1倍
コスパ255中227位
9.0ポイント/$
下位4分の1
中央値の0.2倍

よりコスパが高いモデル: MiMo-V2.5 $0.138/MでIndex 56.3(43分の1の価格)。

より安価でスコアの高いランク付けモデルが88つあります:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00)ほか85つ。

2026年11月16日時点で、Claude Sonnet 4(Anthropic)のBenchLeader Indexは53.8です(ランク付け対象は608構成)。最も強いのは数学(61)、最も弱いのは推論(47)です。API料金は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00(3:1のブレンドで$6.00)で、2026年11月16日時点の定価です。2025年5月22日にリリースされました。

要点(2026年11月16日時点)

  • Claude Sonnet 4のAPI料金は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00(3:1のブレンドで$6.00)です(定価、2026年11月16日)。
  • Claude Sonnet 4は2025年5月22日にリリースされました(Anthropic)。

詳しく見ると:Claude Sonnet 4はAnthropicのプロプライエタリな推論モデルです(2025年5月22日リリース)。最もスコアの高い構成(推論エフォート thinking)は、BenchLeader Indexで53.8 ±2.9を記録し、608構成中248位で上位半分に入ります。重要なのはこの「±」です。ほかに265構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では数学が最も高く(61)、推論が最も低くなっています(47)。ブレンド価格は100万トークンあたり$6.00で、ランク付けされたモデルの中で最も高価な部類です。3通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
$6.00/M
入力$3.00・出力$15.00
出典:models.dev
出力速度
–
回答開始
–
コンテキスト
200k
出典:models.dev
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2025年5月22日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index54
  2. 推論47
  3. コーディング53
  4. エージェント・ツール50
  5. 数学61
  6. 知識56
  7. 指示追従55
  8. 人間の評価57
  9. マルチモーダル50
  10. 長文コンテキスト60

この順位を埋め込む

ほかのバッジスタイル
[![Claude Sonnet 4 on BenchLeader: 総合 121位](https://www.benchleader.com/badge/claude-sonnet-4.svg?style=compact)](https://www.benchleader.com/models/claude-sonnet-4)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

Anthropicの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

Anthropicはこの名前で10つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
Claude Sonnet 5.5max2026年9月28日64.2#30
Claude Sonnet 5high2026年6月30日59.0#114
Claude Sonnet 4.62026年2月17日57.6#149
Claude Sonnet 4.5high2025年9月29日57.9#145
Claude Sonnet 4thinkingこのページ2025年5月22日53.8#248
Claude 3.7 Sonnetthinking2025年2月24日52.9#269
Claude 3.5 Sonnet2024年10月22日46.8#419
Claude 3 Sonnet2024年2月29日37.7#568
Claude 37 Sonnetthinking–––
Claude Sonnet 5.0max–––

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
推論なし50.0#350––$0.0057エージェント・ツール 58 · コーディング 55 · 指示追従 47 · 長文コンテキスト 46 · マルチモーダル 44
thinking最良53.8#248––$0.0057エージェント・ツール 50 · コーディング 53 · 人間の評価 57 · 指示追従 55 · 知識 56 · 長文コンテキスト 60 · 数学 61 · マルチモーダル 50 · 推論 47
未記載50.0#348––$0.0057エージェント・ツール 54 · コーディング 50 · 人間の評価 56 · 指示追従 56 · 知識 48 · 長文コンテキスト 36 · 数学 56 · マルチモーダル 50 · 推論 44

Indexの推移

2026年9月8日〜2026年11月16日
465258
  • thinking
  • 推論なし
  • 標準

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

推論

ベンチマーク推論なしthinking標準出典推移
GPQA Diamondエフォート未記載––79.2%#140Epoch AI Benchmarking Hub
Humanity's Last Examエフォート未記載––7.8%#37Scale AI / CAIS
SimpleBenchエフォート未記載––45.5%#72SimpleBench
Arena Hard Prompts–1433#1391419#158Arena (LMArena)
GPQA Diamond (AA)Index対象外68.3%#32077.7%#220–Artificial Analysis
Humanity's Last Exam (AA)Index対象外4.3%#53810.7%#333–Artificial Analysis
GPQA Diamond (Vals)Index対象外–75.0%#8069.4%#93Vals AI
Kagi LLM Benchmark–73.0%#2055.9%#61Kagi LLM Benchmark
GPQA Diamond (HELM)Index対象外–70.6%#1064.3%#22HELM Capabilities
ARC-AGI-1–40.0%#20123.8%#222ARC Prize
ARC-AGI-2–5.9%#1801.3%#226ARC Prize
CritPtIndex対象外1.1%#2420.3%#291–Artificial Analysis
Arena ExpertIndex対象外–1434#1401403#170Arena (LMArena)
LMCAIndex対象外エフォート未記載––29.0%#149Epoch AI Benchmarking Hub
DTBenchIndex対象外エフォート未記載––77.1%#150Epoch AI Benchmarking Hub
ForecastBenchIndex対象外エフォート未記載––63.9%#35ForecastBench

コーディング

ベンチマーク推論なしthinking標準出典推移
SciCodeエフォート未記載––40.0%#180SciCode
WeirdMLエフォート未記載––46.1%#80WeirdML
GSO-Benchエフォート未記載––4.9%#25GSO-Bench
Arena Coding–1475#1181449#153Arena (LMArena)
LiveCodeBench–62.4%#10259.7%#105Vals AI
SWE-Bench Proエフォート未記載––42.7%#9Scale AI SEAL
Aider Polyglot56.4%#2661.3%#20–Aider polyglot leaderboard
SWE-bench Verified (bash only)エフォート未記載––64.9%#21SWE-bench
SWE-bench Verified (any scaffold)Index対象外エフォート未記載––76.8%#3SWE-bench
SWE-Bench Pro (private)Index対象外エフォート未記載––9.1%#13Scale AI SEAL
ALE-BenchIndex対象外エフォート未記載––655.4#103Epoch AI Benchmarking Hub
Terminal-Bench 2.1 (AA)Index対象外–36.3%#149–Artificial Analysis
Design Arena WebsiteIndex対象外–1131#1311138#128Design Arena
LiveCodeBench (AA)Index対象外44.9%#15565.5%#88–Artificial Analysis

エージェント・ツール

ベンチマーク推論なしthinking標準出典推移
Cybenchエフォート未記載––35.0%#8Cybench
Terminal-Bench Hard27.3%#12831.1%#109–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外52.3%#19764.6%#173–Artificial Analysis
GDPval-AA v2.1Index対象外–698#224–Artificial Analysis
τ³-Banking (AA)–16.7%#112–Artificial Analysis
DeepResearch BenchIndex対象外エフォート未記載––46.6%#27DeepResearch Bench
TheAgentCompanyIndex対象外エフォート未記載––33.1%#3TheAgentCompany
METR Time HorizonsIndex対象外エフォート未記載––62.0%#19METR
BrowseComp-PlusIndex対象外エフォート未記載––14.7%#14BrowseComp-Plus
BrowseCompIndex対象外エフォート未記載––0.6%#25OpenAI

数学

ベンチマーク推論なしthinking標準出典推移
OTIS Mock AIMEエフォート未記載––71.1%#146Epoch AI Benchmarking Hub
MATH Level 5エフォート未記載––84.4%#28Epoch AI Benchmarking Hub
AIME (Vals)–76.3%#5138.5%#70Vals AI
MGSM–90.9%#3293.0%#11Vals AI
Omni-MATH (HELM)–60.2%#1051.3%#17HELM Capabilities
MATH 500Index対象外–93.8%#1590.3%#26Vals AI
Arena Maths–1404#1491390#167Arena (LMArena)
AIME 2025 (AA)Index対象外38.0%#15774.3%#78–Artificial Analysis

知識

ベンチマークthinking標準出典推移
MMLU-Pro83.9%#6779.4%#93Vals AI
LegalBench82.1%#7583.0%#63Vals AI
CorpFin61.2%#5554.7%#91Vals AI
TaxEval72.0%#6769.6%#95Vals AI
MedQA92.7%#2790.3%#45Vals AI
MultiNRCエフォート未記載–18.4%#36Scale AI SEAL
MMLU-Pro (HELM)Index対象外84.3%#1084.3%#10HELM Capabilities
MedCodeIndex対象外35.0%#7633.9%#80Vals AI
MedScribeIndex対象外69.3%#9372.4%#85Vals AI

指示追従

ベンチマーク推論なしthinking標準出典推移
IFBench45.4%#20854.7%#151–Artificial Analysis
MultiChallenge–57.1%#21–Scale AI SEAL
IFEval (HELM)–84.0%#2583.9%#27HELM Capabilities
WildBench (HELM)–83.8%#1682.5%#23HELM Capabilities
Arena Instruction FollowingIndex対象外–1416#1201396#152Arena (LMArena)

人間の評価

ベンチマークthinking標準出典推移
Arena Text1402#1561391#168Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外エフォート未記載–1483#63EQ-Bench
Arena Creative WritingIndex対象外1396#1141388#131Arena (LMArena)
Arena Multi-turnIndex対象外1421#1311410#148Arena (LMArena)
Arena Longer QueriesIndex対象外1443#1061428#129Arena (LMArena)
Lech Mazur Creative WritingIndex対象外エフォート未記載–81.4%#14Lech Mazur

マルチモーダル

ベンチマーク推論なしthinking標準出典推移
Arena Vision–1191#981175#106Arena (LMArena)
MMMU-Pro62.4%#20961.8%#219–Artificial Analysis
VISTA–45.5%#2443.2%#34Scale AI SEAL
MMMU-Pro (Vals)Index対象外–74.9%#5672.4%#63Vals AI
MortgageTaxIndex対象外–49.9%#8162.5%#52Vals AI
VTBIndex対象外–4.4%#184.5%#17Scale AI SEAL
GeoBenchIndex対象外エフォート未記載––37.0%#42GeoBench
VPCTIndex対象外エフォート未記載––34.0%#27Epoch AI Benchmarking Hub
MindCubeIndex対象外エフォート未記載––44.8%#3Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマーク推論なしthinking標準出典推移
Fiction.LiveBench 120kエフォート未記載––36.4%#30Fiction.live
AA-LCR v1.144.0%#36470.3%#228–Artificial Analysis

総合

ベンチマーク推論なしthinking標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––141.9#106Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外16.6#28318.9#255–Artificial Analysis
AA Progress Index v1Index対象外201.2#410237.9#296–Artificial Analysis
HELM Capabilities meanIndex対象外–76.6%#1173.3%#16HELM Capabilities

安全性・誠実さ

ベンチマークthinking標準出典推移
FORTRESSIndex対象外18.1%#3324.4%#45Scale AI SEAL
MASKIndex対象外95.3%#389.3%#9Scale AI SEAL
PropensityBenchIndex対象外エフォート未記載–12.2%#2Scale AI SEAL

タスクあたりのコスト

最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.300のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。

ワークロード入力/出力トークンコストキャッシュあり時間
チャットの返答400 / 300$0.0057$0.0049–
30ページのレポートを要約12,000 / 600$0.045$0.021–
コード編集6,000 / 1,500$0.041$0.028–
エージェント型コーディングセッション60,000 / 4,000$0.240$0.118–
構造化データの抽出2,000 / 200$0.0090$0.0050–

Anthropicのほかのモデル

今月の新着

関連ページ

埋め込み・引用

Claude Sonnet 4の順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![Claude Sonnet 4 on BenchLeader: 総合 121位](https://www.benchleader.com/badge/claude-sonnet-4.svg)](https://www.benchleader.com/models/claude-sonnet-4)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). Claude Sonnet 4 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-sonnet-4

BibTeX:

@misc{benchleader_claude_sonnet_4_20261116,
  author       = {{BenchLeader}},
  title        = {{Claude Sonnet 4 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/claude-sonnet-4}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

Claude Sonnet 4のベンチマークスコアは?
2026年11月16日時点で、Claude Sonnet 4(推論エフォート thinking)のBenchLeader Indexは53.8 ±2.9です。最も強いのは数学(61)、最も弱いのは推論(47)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
Claude Sonnet 4の順位は?
2026年11月16日時点で、Claude Sonnet 4(推論エフォート thinking)はランク付けされた608構成中248位です。ほかに265構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
Claude Sonnet 4の料金は100万トークンあたりいくらですか?
2026年11月16日時点で、Claude Sonnet 4の料金は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00で、ブレンド価格(出力1トークンにつき入力3トークン)は$6.00です。
Claude Sonnet 4はいつリリースされましたか?
Anthropicが2025年5月22日にClaude Sonnet 4をリリースしました。BenchLeaderには3通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「Claude Sonnet 4:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/claude-sonnet-4