Claude 3.5 Sonnet
性价比更高: Qwen3.5-4B $0.060/M 即可获得 Index 46.7,价格只有 100 分之一。
有 150 个更便宜的已排名模型得分更高:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00),另有 147 个。
截至 2026年11月16日,Claude 3.5 Sonnet(Anthropic)在 BenchLeader Index 上得分 46.8(共 608 个已排名配置)。表现最好的是指令遵循(56),最弱的是推理(41)。API 价格为输入每百万 token $3.00、输出每百万 token $15.00(按 3:1 混合为 $6.00),为 2026年11月16日的标价。发布于 2024年10月22日。
要点(截至 2026年11月16日)
- Claude 3.5 Sonnet 的 API 价格为输入每百万 token $3.00、输出每百万 token $15.00(按 3:1 混合为 $6.00)(标价,2026年11月16日)。
- Claude 3.5 Sonnet 于 2024年10月22日发布(Anthropic)。
详细说明:Claude 3.5 Sonnet 是 Anthropic 的闭源模型,发布于 2024年10月22日。其最佳配置在 BenchLeader Index 上得分 46.8 ±3.5,在 608 个配置中排第 419 名,处于下半区。关键在于这个“±”:另有 230 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(56),推理最低(41)。按混合价格计,每百万 token $6.00,属于已排名模型中最贵的一档。最近一次测量:2026年11月11日。
- 混合价格
- $6.00/M
- 输入 $3.00 · 输出 $15.00
- 来源:Artificial Analysis
- 输出速度
- –
- 首次回答
- –
- 上下文
- 200k
- 来源:Artificial Analysis
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2024年10月22日
- 综合 Index47
- 推理41
- 编程44
- 智能体与工具43
- 数学43
- 知识47
- 指令遵循56
- 人类偏好54
- 多模态44
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/claude-3-5-sonnet)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Anthropic 以这个名称发布过 10 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Claude Sonnet 5.5max | 2026年9月28日 | 64.2 | #30 |
| Claude Sonnet 5high | 2026年6月30日 | 59.0 | #114 |
| Claude Sonnet 4.6 | 2026年2月17日 | 57.6 | #149 |
| Claude Sonnet 4.5high | 2025年9月29日 | 57.9 | #145 |
| Claude Sonnet 4thinking | 2025年5月22日 | 53.8 | #248 |
| Claude 3.7 Sonnetthinking | 2025年2月24日 | 52.9 | #269 |
| Claude 3.5 Sonnet本页 | 2024年10月22日 | 46.8 | #419 |
| Claude 3 Sonnet | 2024年2月29日 | 37.7 | #568 |
| Claude 37 Sonnetthinking | – | – | – |
| Claude Sonnet 5.0max | – | – | – |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 55.3%#218 | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam | 4.1%#46 | Scale AI / CAIS | |
| SimpleBench | 41.4%#75 | SimpleBench | |
| Arena Hard Prompts | 1399#184 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 59.9%#384 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 3.7%#599 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 59.3%#108 | Vals AI | |
| GPQA Diamond (HELM)不计入 Index | 56.5%#30 | HELM Capabilities | |
| Arena Expert不计入 Index | 1373#195 | Arena (LMArena) | |
| DTBench不计入 Index | 67.8%#171 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index | 62.9%#50 | ForecastBench |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| WeirdML | 40.0%#103 | WeirdML | |
| GSO-Bench | 4.6%#28 | GSO-Bench | |
| Arena Coding | 1436#169 | Arena (LMArena) | |
| LiveCodeBench | 49.6%#115 | Vals AI | |
| Aider Polyglot | 51.6%#34 | Aider polyglot leaderboard | |
| SWE-bench Verified (any scaffold)不计入 Index | 63.4%#26 | SWE-bench | |
| CadEval不计入 Index | 48.0%#7 | Epoch AI Benchmarking Hub | |
| LiveCodeBench (AA)不计入 Index | 38.1%#174 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Cybench | 17.5%#12 | Cybench | |
| BALROG不计入 Index | 32.6%#15 | BALROG | |
| TheAgentCompany不计入 Index | 24.0%#6 | TheAgentCompany | |
| METR Time Horizons不计入 Index | 45.2%#29 | METR | |
| BrowseComp不计入 Index | 0.9%#21 | OpenAI |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 8.5%#243 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 57.0%#49 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 10.0%#87 | Vals AI | |
| MGSM | 92.6%#15 | Vals AI | |
| Omni-MATH (HELM) | 27.6%#49 | HELM Capabilities | |
| MATH 500不计入 Index | 72.4%#48 | Vals AI | |
| Arena Maths | 1352#203 | Arena (LMArena) |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro | 78.4%#101 | Vals AI | |
| CorpFin | 53.6%#96 | Vals AI | |
| TaxEval | 70.2%#92 | Vals AI | |
| MedQA | 83.2%#62 | Vals AI | |
| MMLU-Pro (HELM)不计入 Index | 77.7%#27 | HELM Capabilities | |
| MMLU不计入 Index | 87.3%#2 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFEval (HELM) | 85.6%#18 | HELM Capabilities | |
| WildBench (HELM) | 79.2%#37 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1374#176 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1374#187 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1451#67 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1371#153 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1390#174 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1397#172 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 80.3%#16 | Lech Mazur |
多模态
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Vision | 1125#123 | Arena (LMArena) | |
| VISTA | 38.7%#40 | Scale AI SEAL | |
| MMMU (validation) | 68.3%#1 | MMMU | |
| MMMU-Pro (official)不计入 Index | 51.5%#2 | MMMU | |
| MMMU-Pro (Vals)不计入 Index | 68.8%#71 | Vals AI | |
| MortgageTax不计入 Index | 64.1%#46 | Vals AI | |
| GeoBench不计入 Index | 62.0%#30 | GeoBench | |
| VPCT不计入 Index | 33.0%#29 | Epoch AI Benchmarking Hub | |
| Video-MME不计入 Index | 60.0%#26 | Video-MME |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 133.4#138 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 7.9#462 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 169#505 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | 65.3%#34 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 13.0%#12 | Scale AI SEAL | |
| MASK不计入 Index | 72.3%#29 | Scale AI SEAL |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0057 | – | – |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.045 | – | – |
| 代码编辑 | 6,000 / 1,500 | $0.041 | – | – |
| 智能体编程会话 | 60,000 / 4,000 | $0.240 | – | – |
| 结构化信息提取 | 2,000 / 200 | $0.0090 | – | – |
Anthropic 的更多模型
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Claude 3.5 Sonnet 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/claude-3-5-sonnet)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Claude 3.5 Sonnet on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-3-5-sonnet
BibTeX:
@misc{benchleader_claude_3_5_sonnet_20261116,
author = {{BenchLeader}},
title = {{Claude 3.5 Sonnet on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/claude-3-5-sonnet}},
note = {Data as of 2026-11-16}
}常见问题
- Claude 3.5 Sonnet 的基准测试得分是多少?
- 截至 2026年11月16日,Claude 3.5 Sonnet 的 BenchLeader Index 为 46.8 ±3.5。最强的是指令遵循(56),最弱的是推理(41)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Claude 3.5 Sonnet 排名第几?
- 截至 2026年11月16日,Claude 3.5 Sonnet 在 608 个已排名配置中排第 419 名。另有 230 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Claude 3.5 Sonnet 每百万 token 的价格是多少?
- 截至 2026年11月16日,Claude 3.5 Sonnet 的价格为输入每百万 token $3.00、输出每百万 token $15.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $6.00。
- Claude 3.5 Sonnet 是什么时候发布的?
- Anthropic 于 2024年10月22日发布了 Claude 3.5 Sonnet。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Claude 3.5 Sonnet:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/claude-3-5-sonnet。