BenchLeader

Claude Sonnet 4.6 vs Claude Sonnet 5.5

完整资料:Claude Sonnet 4.6(Anthropic)和 Claude Sonnet 5.5(Anthropic),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 Claude Sonnet 5.5 领先 Claude Sonnet 4.6(BenchLeader Index 64.2 比 57.6)。Claude Sonnet 5.5 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。在两者都有成绩的所有类别中,Claude Sonnet 5.5 均领先。Claude Sonnet 5.5 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Claude Sonnet 4.6 的 BenchLeader Index 为 57.6,Claude Sonnet 5.5 为 64.2(BenchLeader,2026年11月16日)。
  • Claude Sonnet 4.6 每百万 token 混合价格为 $6.00(标价,2026年11月16日)。
  • Claude Sonnet 5.5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Claude Sonnet 5.5 比 Claude Sonnet 4.6 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 5 项基准测试中,Claude Sonnet 5.5 领先 5 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Claude Sonnet 5.5类别得分 70 比 54;Vibe Code Bench v1.1 92.4% 比 55.8%高
智能体与工具调用Claude Sonnet 5.5类别得分 71 比 53;Terminal-Bench 63.9% 比 53.4%高
数学Claude Sonnet 5.5类别得分 71 比 63;OTIS Mock AIME 100.0% 比 85.8%高
推理Claude Sonnet 5.5类别得分 68 比 64;GPQA Diamond 95.6% 比 87.4%中
知识均可类别得分 58 比 57均可
对话质量(人类偏好)–只有 Claude Sonnet 4.6 有 Arena 评分(类别得分 61)无法比较
成本最低Claude Sonnet 5.5每百万 token 混合价格 $4.00 比 $6.00;智能体编程会话 $0.160 比 $0.240–
首次回答最快Claude Sonnet 4.6首个回答 token 0.6 秒(Claude Sonnet 4.6)比 290.5 秒(Claude Sonnet 5.5 (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 Claude Sonnet 5.5 (max) 领先:64.2 比 57.6。
  • Claude Sonnet 4.6 在知识方面更强。
  • Claude Sonnet 5.5 (max) 在智能体与工具、编程、数学、推理方面更强。
  • Claude Sonnet 5.5 (max) 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。
  • Claude Sonnet 5.5 (max) 的输出速度是对方的 3.5 倍(152 比 43 token/秒)。

概览

规格Claude Sonnet 4.6Claude Sonnet 5.5
提供商AnthropicAnthropic
发布日期2026年2月17日2026年9月28日
上下文窗口(token)1,000,0001,000,000
对比时的配置Claude Sonnet 4.6Claude Sonnet 5.5 (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$3.00 / $15.00 / $0.300$2.00 / $10.00 / $0.100

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Sonnet 4.6Claude Sonnet 5.5 (max)领先者
推理63.967.8Claude Sonnet 5.5
编程53.570.2Claude Sonnet 5.5
智能体与工具52.670.5Claude Sonnet 5.5
数学63.171.3Claude Sonnet 5.5
知识58.157.4持平
人类偏好60.5–无法比较
多模态62.4–无法比较
长上下文–66.0无法比较
综合–63.0无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识Claude Sonnet 4.6, 推理: 63.9Claude Sonnet 4.6, 编程: 53.5Claude Sonnet 4.6, 智能体与工具: 52.6Claude Sonnet 4.6, 数学: 63.1Claude Sonnet 4.6, 知识: 58.1Claude Sonnet 5.5, 推理: 67.8Claude Sonnet 5.5, 编程: 70.2Claude Sonnet 5.5, 智能体与工具: 70.5Claude Sonnet 5.5, 数学: 71.3Claude Sonnet 5.5, 知识: 57.4

未绘制(测得的模型少于两个):指令遵循, 长上下文, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 5 项基准测试中,Claude Sonnet 4.6 领先 0 项,Claude Sonnet 5.5 领先 5 项。所有同时评测两者的综合评分都认为 Claude Sonnet 5.5 更强。

综合 IndexClaude Sonnet 4.6Claude Sonnet 5.5 (max)领先者
BenchLeader Index57.664.2Claude Sonnet 5.5
Arena Text14721473†Claude Sonnet 5.5

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Sonnet 4.6Claude Sonnet 5.5 (max)
每百万 token 混合价格$6.00$4.00
每百万 token 输入 / 输出$3.00 / $15.00$2.00 / $10.00
每百万 token 缓存输入$0.300$0.100
每项任务价格:聊天回复$0.0057$0.0038
每项任务价格:总结一份 30 页的报告$0.045$0.030
每项任务价格:代码编辑$0.041$0.027
每项任务价格:智能体编程会话$0.240$0.160
每项任务价格:结构化信息提取$0.0090$0.0060
智能体编程会话(输入大多命中缓存)$0.118$0.074
每项基准测试任务成本(AA Index)–$10.02
每项任务输出 token(AA Index)–285k
其中推理部分–206k
每项任务耗时(AA Index)–31 min
输出速度43 tok/s152 tok/s
首次回答时间0.6 秒290.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–487.7 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Sonnet 4.6 得分 57.6,首个回答 token 需 1 秒;Claude Sonnet 4.6 (max) 为 56.1(91 秒),Claude Sonnet 4.6 (high) 为 50.3(1 秒)。Claude Sonnet 5.5 (max) 得分 64.2,首个回答 token 需 291 秒;Claude Sonnet 5.5 (xhigh) 为 62.5(27 秒),Claude Sonnet 5.5 (high) 为 59.5(9 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 184 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Sonnet 4.6Claude Sonnet 5.5 (max)
BenchLeader IndexBenchLeader57.664.2
智能体与工具得分BenchLeader52.670.5
编程得分BenchLeader53.570.2
人类偏好得分BenchLeader60.5–
知识得分BenchLeader58.157.4
数学得分BenchLeader63.171.3
多模态得分BenchLeader62.4–
推理得分BenchLeader63.967.8
综合得分BenchLeader–63.0
长上下文得分BenchLeader–66.0
混合价格(美元/百万 token)BenchLeader$6.00$4.00
输出速度BenchLeader43 tok/s152 tok/s
首次回答时间BenchLeader0.6 秒290.5 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub87.4%95.6%
Humanity's Last ExamScale AI / CAIS–46.1%†
SimpleBenchSimpleBench–75.9%†
Arena Hard PromptsArena (LMArena)15031499†
LiveBench 2.0 ReasoningLiveBench–91.6%
LiveBench 1.0 ReasoningLiveBench84.8%†91.6%
GPQA Diamond (AA)Artificial Analysis87.5%†–
Humanity's Last Exam (AA)Artificial Analysis33.6%†55.0%
HLE-Diamond (AA)Artificial Analysis–53.3%
GPQA Diamond (Vals)Vals AI85.6%†–
ARC-AGI-1ARC Prize86.0%†96.5%
ARC-AGI-2ARC Prize58.3%†83.9%†
ARC-AGI-3ARC Prize–72.4%†
CritPtArtificial Analysis3.1%†31.4%
CritPt v2 hard subset (AA)Artificial Analysis–59.0%
MysteryMechanismVals AI–49.1%
HLE-Diamond (Scale)Scale AI SEAL–37.5%†
Arena ExpertArena (LMArena)15061512†
Chess PuzzlesEpoch AI Benchmarking Hub23.0%†59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub14.0%65.0%
LMCAEpoch AI Benchmarking Hub46.5%†68.3%
DTBenchEpoch AI Benchmarking Hub89.9%†97.3%
ForecastBenchForecastBench64.0%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.2%–
SciCodeSciCode46.8%†61.0%
显示全部 184 项基准测试
指标发布方Claude Sonnet 4.6Claude Sonnet 5.5 (max)
编程
WeirdMLWeirdML66.1%†–
FrontierCodeCognition24.3%52.1%†
Arena CodingArena (LMArena)15281517†
Arena WebDevArena (LMArena)15221772†
LiveBench 2.0 CodingLiveBench–77.2%
LiveBench 1.0 CodingLiveBench79.3%†91.4%
SciCode (AA)Artificial Analysis50.1%†61.0%
LiveCodeBenchVals AI82.1%†–
IOIVals AI–83.1%
SWE-bench (Vals)Vals AI77.4%†–
Code MigrationVals AI39.9%†69.8%
Code Migration v1.1Vals AI–86.9%
ProgramBenchVals AI0.5%†6.5%
SWE-bench MultimodalVals AI–58.3%
Vibe Code Bench v1.1Vals AI55.8%92.4%
SWE Atlas v1.0: Codebase QnAScale AI SEAL31.2%–
SWE Atlas v1.0: RefactoringScale AI SEAL32.2%–
SWE Atlas v1.0: Test WritingScale AI SEAL31.8%–
SWE Atlas v1.1Scale AI SEAL–68.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–74.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–67.8%†
SWE Atlas v1.1: RefactoringScale AI SEAL–62.9%†
SWE-Bench Pro V2Scale AI SEAL–95.8%†
SWE-Bench Pro V2 HARDScale AI SEAL–70.6%†
MirrorCodeEpoch AI Benchmarking Hub–97.8%
DeepSWE v1.1Epoch AI Benchmarking Hub29.9%†–
CursorBenchCursor–55.5%
ALE-BenchEpoch AI Benchmarking Hub1327.3†1819.1†
FrontierSWEEpoch AI Benchmarking Hub–61.9%
WeirdML v3WeirdML–19.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis3.0%†63.6%
Terminal-Bench 2.1 (AA)Artificial Analysis71.2%†–
Startrise FrontendStartrise–75.9%†
GameBench 2 OverallDuelLab GameBench 2–60.4†
GameBench 2 by reasoning settingDuelLab GameBench 2–91.4†
Design Arena WebsiteDesign Arena12771309†
FrontierCode 1.1 (AA)Artificial Analysis–45.8%
FrontierCode 2.0 (AA)Artificial Analysis–41.7%
智能体与工具
Terminal-BenchTerminal-Bench53.4%63.9%
OSWorld-Verified 2.0OSWorld8.3%†–
APEX-AgentsMercor43.0%†75.5%
Arena AgentArena (LMArena)–16
LiveBench Long AgenticLiveBench–63.4%
LiveBench BrowserLiveBench–89.3%
LiveBench Agentic CodingLiveBench42.6%†56.3%
Terminal-Bench HardArtificial Analysis53.0%†–
τ²-Bench Telecom (AA)Artificial Analysis75.7%†–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†83.2%†
MCP AtlasScale AI SEAL69.5%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–66.9%
GDPval-AA v2.1Artificial Analysis1240†1838
τ³-Banking (AA)Artificial Analysis34.4%†–
ITBench SRE (AA)Artificial Analysis39.8%†–
Analyst Agent (AA)Artificial Analysis20.0%†57.5%
APEX-Agents (AA)Artificial Analysis28.0%†–
CyberBenchVals AI–59.6%
Finance Agent v2Vals AI51.0%†58.1%
Finance Agent v2.1Vals AI–67.3%
Harvey's Legal Agent Benchmark v1.1Vals AI–10.4%
Harvey's Legal Agent Benchmark v1Vals AI5.0%†2.9%
Legal Research BenchVals AI38.5%†48.1%
SkillsBenchVals AI49.0%†–
SREBenchVals AI–30.1%
Tax Agent BenchVals AI25.8%†42.0%
Terminal-Bench 2.0 (Vals)Vals AI59.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–64.1%
Terminal-Bench ScienceVals AI–47.1%
Arena SearchArena (LMArena)1201–
Arena Agent Task CompletionArena (LMArena)–19.5
DeepResearch BenchDeepResearch Bench54.9%†–
ExploitBenchEpoch AI Benchmarking Hub23.6%–
GBAEvalEpoch AI Benchmarking Hub48.8%–
Vending-Bench 2Andon Labs7204.111165.3†
SpireClimbEpoch AI Benchmarking Hub–1.3%
AutomationBenchArtificial Analysis20.1%†71.8%
GDP.pdf (AA)Artificial Analysis15.8%†25.8%
Harvey LAB-AA v1.1Harvey–2.8%
AA-Briefcase v1.1Artificial Analysis1062†1816
GDPxGDPx by SemiAnalysis–8.2%
Design Arena AgenticDesign Arena11871293†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–53.3%
MKA (AA)Artificial Analysis–52.0%
FACTS SearchGoogle–86.8%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–88.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub–80.5%
OTIS Mock AIMEEpoch AI Benchmarking Hub85.8%100.0%
ProofBenchVals AI45.0%†100.0%
LiveBench MathematicsLiveBench87.0%†96.1%
AIME (Vals)Vals AI92.3%–
Arena MathsArena (LMArena)14611486†
FrontierMath ErdősEpoch AI Benchmarking Hub–2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub32.8%†46.5%
LiveBench 2.0 Data AnalysisLiveBench–59.5%
LiveBench ResearchLiveBench–88.0%
LiveBench 1.0 Data AnalysisLiveBench78.0%†59.5%
AA-Omniscience v1.1Artificial Analysis–30.5
MMLU-ProVals AI87.3%†–
LegalBenchVals AI82.1%†–
CorpFinVals AI65.3%†–
TaxEvalVals AI77.1%†–
MedQAVals AI92.1%–
BioMysteryBenchVals AI–81.1%
CaseLaw v2Vals AI64.0%–
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI60.1%†75.7%
Excel Modeling Benchmark v1.1Vals AI–75.9%
MedCodeVals AI–52.9%
MedScribeVals AI–91.1%
Public Benefits Bench v1.1Vals AI62.5%†67.2%
Access to Justice BenchmarkVals AI–74.9%
Financial Coaching BenchVals AI–74.9%
Immigration BenchVals AI–69.0%
DrugDiscoveryBenchScale AI SEAL31.3%†–
GDP.pdfEpoch AI Benchmarking Hub18.0%†31.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–51.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–56.7%
Global-MMLU-Lite (AA)Artificial Analysis90.5%†–
HealthBench Professional (AA)OpenAI–63.0%
FACTS ParametricGoogle–35.1%†
指令遵循
LiveBench LanguageLiveBench76.1%†78.0%
LiveBench Instruction FollowingLiveBench63.2%†56.8%
IFBenchArtificial Analysis56.6%†–
Arena Instruction FollowingArena (LMArena)14751482†
人类偏好
Arena TextArena (LMArena)14721473†
EQ-Bench 4EQ-Bench1197–
EQ-Bench Creative Writing v3EQ-Bench1811–
Arena Creative WritingArena (LMArena)14491464†
Arena Multi-turnArena (LMArena)14801469†
Arena Longer QueriesArena (LMArena)14921491†
多模态
Arena VisionArena (LMArena)12831284†
LiveBench DesignLiveBench–81.3%
MMMU-ProArtificial Analysis73.3%†–
MMMU-Pro (Vals)Vals AI83.6%†–
MortgageTaxVals AI67.7%†–
SAGEVals AI–88.0%
GeoBenchGeoBench73.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub6.7%39.3%†
Furniture AssemblyEpoch AI Benchmarking Hub–75.0%
VIALS-AAHandshake AI–59.6%
Code2Video-AAArtificial Analysis–1443
AA-3DArtificial Analysis–1204
FACTS MultimodalGoogle–50.4%†
长上下文
AA-LCR v1.1Artificial Analysis80.0%†82.7%
Arena DocumentArena (LMArena)1478–
MLCRArtificial Analysis7.8%†41.7%
FACTS GroundingGoogle–62.5%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.9166.6†
LiveBench 2.0LiveBench–77.0%
LiveBench 1.0LiveBench73.0%†75.7%
AA Intelligence Index v5.0.1Artificial Analysis–54.5
AA Intelligence Index v4.3.2Artificial Analysis30.1†56
AA Progress Index v1Artificial Analysis293.6†350.5
Vals IndexVals AI–70.8
Vals Finance IndexVals AI–64.5%
Vals Science IndexVals AI–59.1%
Vals Multimodal IndexVals AI60.6%†–
Vals Router IndexVals AI–69.0%†
Vals Legal IndexVals AI–68.0%
安全与诚实
DistressBenchScale AI SEAL–74.6%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Claude Sonnet 4.6:BenchLeader Index 58.3 → 57.6。
  • Claude Sonnet 4.6:2 项分数修订。
  • Claude Sonnet 5.5 (max):36 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Claude Sonnet 4.6:1 项新结果(GeoBench)。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
  • Claude Sonnet 5.5 (max):2 项分数修订。
  • Claude Sonnet 4.6:1 项新结果(Arena Search)。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Sonnet 4.6 vs Claude Sonnet 5.5:常见问题

Claude Sonnet 5.5 比 Claude Sonnet 4.6 更好吗?
质量上 Claude Sonnet 5.5 (max) 领先:64.2 比 57.6。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Sonnet 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Sonnet 4.6 和 Claude Sonnet 5.5 哪个更便宜?价格会变吗?
目前 Claude Sonnet 5.5 更便宜:每百万 token $4.00 比 $6.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Sonnet 4.6 还是 Claude Sonnet 5.5 更好?
Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 54,50 为平均水平)。
Claude Sonnet 4.6 和 Claude Sonnet 5.5 哪个更快?
Claude Sonnet 5.5 输出更快(3 倍以上;输出 152 比 43 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 4.6 还是 Claude Sonnet 5.5 更好?
Claude Sonnet 5.5 在智能体任务方面得分更高(类别得分 71 比 53,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Sonnet 4.6 为 53.4%,Claude Sonnet 5.5 为 63.9%。
更多问题(4)
处理长文档哪个更好?
两者都支持 1,000,000 token 的上下文。
哪个延迟更低?
Claude Sonnet 4.6 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.6 秒比 290.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Sonnet 4.6 和 Claude Sonnet 5.5 的看法一致吗?
在两者都有结果的 5 项基准测试中,Claude Sonnet 4.6 领先 0 项,Claude Sonnet 5.5 领先 5 项。所有同时评测两者的综合评分都认为 Claude Sonnet 5.5 更强。
Claude Sonnet 5.5 是什么时候发布的?
Claude Sonnet 5.5 于 2026年9月28日 发布。