BenchLeader

Claude Sonnet 4

推理强度
质量第 122 / 339 名
53.8Index
高于中位数
较中位数 +3.6
价格第 224 / 255 名
$6.00每百万 token
最贵的四分之一
中位数的 7.1 倍
性价比第 227 / 255 名
9.0分/$
后四分之一
中位数的 0.2 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index54
  2. 推理47
  3. 编程53
  4. 智能体与工具50
  5. 数学61
  6. 知识56
  7. 指令遵循55
  8. 人类偏好57
  9. 多模态50
  10. 长上下文60

嵌入这个排名

更多徽章样式
[![Claude Sonnet 4 on BenchLeader: 综合第 121 名](https://www.benchleader.com/badge/claude-sonnet-4.svg?style=compact)](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。

Anthropic 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 5.5max2026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本页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–––

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。

推理强度Index排名速度首次回答聊天回复成本类别
无推理50.0#350––$0.0057智能体与工具 58 · 编程 55 · 指令遵循 47 · 长上下文 46 · 多模态 44
thinking最佳53.8#248––$0.0057智能体与工具 50 · 编程 53 · 人类偏好 57 · 指令遵循 55 · 知识 56 · 长上下文 60 · 数学 61 · 多模态 50 · 推理 47
未说明50.0#348––$0.0057智能体与工具 54 · 编程 50 · 人类偏好 56 · 指令遵循 56 · 知识 48 · 长上下文 36 · 数学 56 · 多模态 50 · 推理 44

Index 走势

2026年9月8日 至 2026年11月16日
465258
  • 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%#140Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明––7.8%#37Scale AI / CAIS
SimpleBench推理强度未说明––45.5%#72SimpleBench
Arena Hard Prompts–1433#1391419#158Arena (LMArena)
GPQA Diamond (AA)不计入 Index68.3%#32077.7%#220–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index4.3%#53810.7%#333–Artificial Analysis
GPQA Diamond (Vals)不计入 Index–75.0%#8069.4%#93Vals AI
Kagi LLM Benchmark–73.0%#2055.9%#61Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index–70.6%#1064.3%#22HELM Capabilities
ARC-AGI-1–40.0%#20123.8%#222ARC Prize
ARC-AGI-2–5.9%#1801.3%#226ARC Prize
CritPt不计入 Index1.1%#2420.3%#291–Artificial Analysis
Arena Expert不计入 Index–1434#1401403#170Arena (LMArena)
LMCA不计入 Index推理强度未说明––29.0%#149Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明––77.1%#150Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明––63.9%#35ForecastBench

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%#180SciCode
WeirdML推理强度未说明––46.1%#80WeirdML
GSO-Bench推理强度未说明––4.9%#25GSO-Bench
Arena Coding–1475#1181449#153Arena (LMArena)
LiveCodeBench–62.4%#10259.7%#105Vals AI
SWE-Bench Pro推理强度未说明––42.7%#9Scale AI SEAL
Aider Polyglot56.4%#2661.3%#20–Aider polyglot leaderboard
SWE-bench Verified (bash only)推理强度未说明––64.9%#21SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明––76.8%#3SWE-bench
SWE-Bench Pro (private)不计入 Index推理强度未说明––9.1%#13Scale AI SEAL
ALE-Bench不计入 Index推理强度未说明––655.4#103Epoch 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#1311138#128Design Arena
LiveCodeBench (AA)不计入 Index44.9%#15565.5%#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%#8Cybench
Terminal-Bench Hard27.3%#12831.1%#109–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index52.3%#19764.6%#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%#27DeepResearch Bench
TheAgentCompany不计入 Index推理强度未说明––33.1%#3TheAgentCompany
METR Time Horizons不计入 Index推理强度未说明––62.0%#19METR
BrowseComp-Plus不计入 Index推理强度未说明––14.7%#14BrowseComp-Plus
BrowseComp不计入 Index推理强度未说明––0.6%#25OpenAI

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%#146Epoch AI Benchmarking Hub
MATH Level 5推理强度未说明––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 500不计入 Index–93.8%#1590.3%#26Vals AI
Arena Maths–1404#1491390#167Arena (LMArena)
AIME 2025 (AA)不计入 Index38.0%#15774.3%#78–Artificial Analysis

知识

基准测试thinking默认来源趋势
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推理强度未说明–18.4%#36Scale AI SEAL
MMLU-Pro (HELM)不计入 Index84.3%#1084.3%#10HELM Capabilities
MedCode不计入 Index35.0%#7633.9%#80Vals AI
MedScribe不计入 Index69.3%#9372.4%#85Vals AI

指令遵循

基准测试无推理thinking默认来源趋势
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 Following不计入 Index–1416#1201396#152Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text1402#1561391#168Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1483#63EQ-Bench
Arena Creative Writing不计入 Index1396#1141388#131Arena (LMArena)
Arena Multi-turn不计入 Index1421#1311410#148Arena (LMArena)
Arena Longer Queries不计入 Index1443#1061428#129Arena (LMArena)
Lech Mazur Creative Writing不计入 Index推理强度未说明–81.4%#14Lech Mazur

多模态

基准测试无推理thinking默认来源趋势
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)不计入 Index–74.9%#5672.4%#63Vals AI
MortgageTax不计入 Index–49.9%#8162.5%#52Vals AI
VTB不计入 Index–4.4%#184.5%#17Scale AI SEAL
GeoBench不计入 Index推理强度未说明––37.0%#42GeoBench
VPCT不计入 Index推理强度未说明––34.0%#27Epoch AI Benchmarking Hub
MindCube不计入 Index推理强度未说明––44.8%#3Epoch 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%#30Fiction.live
AA-LCR v1.144.0%#36470.3%#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#106Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index16.6#28318.9#255–Artificial Analysis
AA Progress Index v1不计入 Index201.2#410237.9#296–Artificial Analysis
HELM Capabilities mean不计入 Index–76.6%#1173.3%#16HELM Capabilities

安全与诚实

基准测试thinking默认来源趋势
FORTRESS不计入 Index18.1%#3324.4%#45Scale AI SEAL
MASK不计入 Index95.3%#389.3%#9Scale AI SEAL
PropensityBench不计入 Index推理强度未说明–12.2%#2Scale 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

本月新上线

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。

[![Claude Sonnet 4 on BenchLeader: 综合第 121 名](https://www.benchleader.com/badge/claude-sonnet-4.svg)](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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。