Claude Sonnet 4
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 43 分之一。
有 88 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 85 个。
截至 2026年11月16日,Claude Sonnet 4(Anthropic)在 BenchLeader Index 上得分 53.8(共 608 个已排名配置)。表现最好的是数学(61),最弱的是推理(47)。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 2025年5月22日。
要点(截至 2026年11月16日)
- Claude Sonnet 4 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 Sonnet 4 于 2025年5月22日发布(Anthropic)。
详细说明:Claude Sonnet 4 是 Anthropic 的闭源推理模型,发布于 2025年5月22日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 53.8 ±2.9,在 608 个配置中排第 248 名,处于上半区。关键在于这个“±”:另有 265 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,数学得分最高(61),推理最低(47)。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。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。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:models.dev
- 输出速度
- –
- 首次回答
- –
- 上下文
- 200k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年5月22日
- 综合 Index54
- 推理47
- 编程53
- 智能体与工具50
- 数学61
- 知识56
- 指令遵循55
- 人类偏好57
- 多模态50
- 长上下文60
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/claude-sonnet-4)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本页 | 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 | 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 | – | – | – |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月8日 至 2026年11月16日- thinking
- 无推理
- 默认
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 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| GPQA Diamond推理强度未说明 | – | – | 79.2%#140 | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam推理强度未说明 | – | – | 7.8%#37 | Scale AI / CAIS | |
| SimpleBench推理强度未说明 | – | – | 45.5%#72 | SimpleBench | |
| Arena Hard Prompts | – | 1433#139 | 1419#158 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 68.3%#320 | 77.7%#220 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 4.3%#538 | 10.7%#333 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | – | 75.0%#80 | 69.4%#93 | Vals AI | |
| Kagi LLM Benchmark | – | 73.0%#20 | 55.9%#61 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index | – | 70.6%#10 | 64.3%#22 | HELM Capabilities | |
| ARC-AGI-1 | – | 40.0%#201 | 23.8%#222 | ARC Prize | |
| ARC-AGI-2 | – | 5.9%#180 | 1.3%#226 | ARC Prize | |
| CritPt不计入 Index | 1.1%#242 | 0.3%#291 | – | Artificial Analysis | |
| Arena Expert不计入 Index | – | 1434#140 | 1403#170 | Arena (LMArena) | |
| LMCA不计入 Index推理强度未说明 | – | – | 29.0%#149 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | 77.1%#150 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | – | 63.9%#35 | ForecastBench |
编程
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SciCode推理强度未说明 | – | – | 40.0%#180 | SciCode | |
| WeirdML推理强度未说明 | – | – | 46.1%#80 | WeirdML | |
| GSO-Bench推理强度未说明 | – | – | 4.9%#25 | GSO-Bench | |
| Arena Coding | – | 1475#118 | 1449#153 | Arena (LMArena) | |
| LiveCodeBench | – | 62.4%#102 | 59.7%#105 | Vals AI | |
| SWE-Bench Pro推理强度未说明 | – | – | 42.7%#9 | Scale AI SEAL | |
| Aider Polyglot | 56.4%#26 | 61.3%#20 | – | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only)推理强度未说明 | – | – | 64.9%#21 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index推理强度未说明 | – | – | 76.8%#3 | SWE-bench | |
| SWE-Bench Pro (private)不计入 Index推理强度未说明 | – | – | 9.1%#13 | Scale AI SEAL | |
| ALE-Bench不计入 Index推理强度未说明 | – | – | 655.4#103 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 2.1 (AA)不计入 Index | – | 36.3%#149 | – | Artificial Analysis | |
| Design Arena Website不计入 Index | – | 1131#131 | 1138#128 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 44.9%#155 | 65.5%#88 | – | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Cybench推理强度未说明 | – | – | 35.0%#8 | Cybench | |
| Terminal-Bench Hard | 27.3%#128 | 31.1%#109 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 52.3%#197 | 64.6%#173 | – | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | – | 698#224 | – | Artificial Analysis | |
| τ³-Banking (AA) | – | 16.7%#112 | – | Artificial Analysis | |
| DeepResearch Bench不计入 Index推理强度未说明 | – | – | 46.6%#27 | DeepResearch Bench | |
| TheAgentCompany不计入 Index推理强度未说明 | – | – | 33.1%#3 | TheAgentCompany | |
| METR Time Horizons不计入 Index推理强度未说明 | – | – | 62.0%#19 | METR | |
| BrowseComp-Plus不计入 Index推理强度未说明 | – | – | 14.7%#14 | BrowseComp-Plus | |
| BrowseComp不计入 Index推理强度未说明 | – | – | 0.6%#25 | OpenAI |
数学
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| OTIS Mock AIME推理强度未说明 | – | – | 71.1%#146 | Epoch AI Benchmarking Hub | |
| MATH Level 5推理强度未说明 | – | – | 84.4%#28 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | – | 76.3%#51 | 38.5%#70 | Vals AI | |
| MGSM | – | 90.9%#32 | 93.0%#11 | Vals AI | |
| Omni-MATH (HELM) | – | 60.2%#10 | 51.3%#17 | HELM Capabilities | |
| MATH 500不计入 Index | – | 93.8%#15 | 90.3%#26 | Vals AI | |
| Arena Maths | – | 1404#149 | 1390#167 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 38.0%#157 | 74.3%#78 | – | Artificial Analysis |
知识
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| MMLU-Pro | 83.9%#67 | 79.4%#93 | Vals AI | |
| LegalBench | 82.1%#75 | 83.0%#63 | Vals AI | |
| CorpFin | 61.2%#55 | 54.7%#91 | Vals AI | |
| TaxEval | 72.0%#67 | 69.6%#95 | Vals AI | |
| MedQA | 92.7%#27 | 90.3%#45 | Vals AI | |
| MultiNRC推理强度未说明 | – | 18.4%#36 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index | 84.3%#10 | 84.3%#10 | HELM Capabilities | |
| MedCode不计入 Index | 35.0%#76 | 33.9%#80 | Vals AI | |
| MedScribe不计入 Index | 69.3%#93 | 72.4%#85 | Vals AI |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 45.4%#208 | 54.7%#151 | – | Artificial Analysis | |
| MultiChallenge | – | 57.1%#21 | – | Scale AI SEAL | |
| IFEval (HELM) | – | 84.0%#25 | 83.9%#27 | HELM Capabilities | |
| WildBench (HELM) | – | 83.8%#16 | 82.5%#23 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | – | 1416#120 | 1396#152 | Arena (LMArena) |
人类偏好
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1402#156 | 1391#168 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1483#63 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1396#114 | 1388#131 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1421#131 | 1410#148 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1443#106 | 1428#129 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index推理强度未说明 | – | 81.4%#14 | Lech Mazur |
多模态
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Vision | – | 1191#98 | 1175#106 | Arena (LMArena) | |
| MMMU-Pro | 62.4%#209 | 61.8%#219 | – | Artificial Analysis | |
| VISTA | – | 45.5%#24 | 43.2%#34 | Scale AI SEAL | |
| MMMU-Pro (Vals)不计入 Index | – | 74.9%#56 | 72.4%#63 | Vals AI | |
| MortgageTax不计入 Index | – | 49.9%#81 | 62.5%#52 | Vals AI | |
| VTB不计入 Index | – | 4.4%#18 | 4.5%#17 | Scale AI SEAL | |
| GeoBench不计入 Index推理强度未说明 | – | – | 37.0%#42 | GeoBench | |
| VPCT不计入 Index推理强度未说明 | – | – | 34.0%#27 | Epoch AI Benchmarking Hub | |
| MindCube不计入 Index推理强度未说明 | – | – | 44.8%#3 | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Fiction.LiveBench 120k推理强度未说明 | – | – | 36.4%#30 | Fiction.live | |
| AA-LCR v1.1 | 44.0%#364 | 70.3%#228 | – | Artificial Analysis |
综合
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | 141.9#106 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 16.6#283 | 18.9#255 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 201.2#410 | 237.9#296 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | – | 76.6%#11 | 73.3%#16 | HELM Capabilities |
安全与诚实
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FORTRESS不计入 Index | 18.1%#33 | 24.4%#45 | Scale AI SEAL | |
| MASK不计入 Index | 95.3%#3 | 89.3%#9 | Scale AI SEAL | |
| PropensityBench不计入 Index推理强度未说明 | – | 12.2%#2 | 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,价格为每百万 token $0.300。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 | $0.0049 | – |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.045 | $0.021 | – |
| 代码编辑 | 6,000 / 1,500 | $0.041 | $0.028 | – |
| 智能体编程会话 | 60,000 / 4,000 | $0.240 | $0.118 | – |
| 结构化信息提取 | 2,000 / 200 | $0.0090 | $0.0050 | – |
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 Sonnet 4 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-sonnet-4)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 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}
}常见问题
- Claude Sonnet 4 的基准测试得分是多少?
- 截至 2026年11月16日,Claude Sonnet 4(推理强度 thinking)的 BenchLeader Index 为 53.8 ±2.9。最强的是数学(61),最弱的是推理(47)。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 Sonnet 4 排名第几?
- 截至 2026年11月16日,Claude Sonnet 4(推理强度 thinking)在 608 个已排名配置中排第 248 名。另有 265 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 Sonnet 4 每百万 token 的价格是多少?
- 截至 2026年11月16日,Claude Sonnet 4 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 Sonnet 4 是什么时候发布的?
- Anthropic 于 2025年5月22日发布了 Claude Sonnet 4。BenchLeader 收录了它在 3 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Claude Sonnet 4: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-sonnet-4。