BenchLeader

Claude Sonnet 4.5

推理强度
质量第 68 / 339 名
57.9Index
前四分之一
较中位数 +7.7
价格第 224 / 255 名
$6.00每百万 token
最贵的四分之一
中位数的 7.1 倍
速度第 189 / 216 名
40token/秒
后四分之一
中位数的 0.5 倍
性价比第 223 / 255 名
9.7分/$
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 42 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 39 个。

截至 2026年11月16日,Claude Sonnet 4.5(Anthropic)在 BenchLeader Index 上得分 57.9(共 608 个已排名配置)。表现最好的是推理(65),最弱的是编程(55)。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。输出速度约为 40 token/秒(OpenRouter)。发布于 2025年9月29日。

要点(截至 2026年11月16日)

  • Claude Sonnet 4.5 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 4.5 的输出速度约为 40 token/秒(OpenRouter,2026年11月16日)。
  • Claude Sonnet 4.5 于 2025年9月29日发布(Anthropic)。

详细说明:Claude Sonnet 4.5 是 Anthropic 的闭源推理模型,发布于 2025年9月29日。其最佳配置(推理强度 high)在 BenchLeader Index 上得分 57.9 ±6.7,在 608 个配置中排第 145 名,处于上半区。关键在于这个“±”:另有 311 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,推理得分最高(65),编程最低(55)。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。输出速度为 40 token/秒,首 token 延迟 0.9 秒,位于最慢的四分之一。它已在 5 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
40 tok/s
OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
首次回答
0.91 s
上下文
200k
来源:models.dev
单任务成本
–
单任务 token 数
–
发布日期
2025年9月29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 Index58
  2. 推理65
  3. 编程55
  4. 数学63
  5. 人类偏好64

嵌入这个排名

更多徽章样式
[![Claude Sonnet 4.5 on BenchLeader: 综合第 68 名](https://www.benchleader.com/badge/claude-sonnet-4-5.svg?style=compact)](https://www.benchleader.com/models/claude-sonnet-4-5)

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 4.5high本页2025年9月29日57.9#145
Claude Sonnet 4thinking2025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 tok/s1.77 s$0.0057智能体与工具 59 · 指令遵循 45 · 长上下文 51 · 多模态 47
low––40 tok/s0.91 s$0.0057
high最佳57.9#14540 tok/s0.91 s$0.0057编程 55 · 人类偏好 64 · 数学 63 · 推理 65
thinking52.3#28057 tok/s11 s$0.0057智能体与工具 46 · 编程 52 · 指令遵循 52 · 知识 58 · 长上下文 61 · 数学 54 · 多模态 56 · 推理 42
未说明53.8#24740 tok/s0.91 s$0.0057智能体与工具 63 · 编程 53 · 人类偏好 64 · 指令遵循 53 · 知识 45 · 数学 52 · 多模态 55 · 推理 48

Index 走势

2026年9月8日 至 2026年11月16日
455566
  • high
  • 默认
  • thinking

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。

元数据

基准测试无推理thinking来源趋势
AA Openness Index不计入 Index11.1#29211.1#292Artificial Analysis

推理

基准测试无推理highthinking默认来源趋势
GPQA Diamond推理强度未说明–––82.3%#124Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明–––13.7%#27Scale AI / CAIS
SimpleBench推理强度未说明–––54.3%#56SimpleBench
Arena Hard Prompts–1487#59–1483#63Arena (LMArena)
GPQA Diamond (AA)不计入 Index72.7%#280–83.4%#162–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index7.2%#391–17.8%#252–Artificial Analysis
GPQA Diamond (Vals)不计入 Index––81.6%#62–Vals AI
Kagi LLM Benchmark推理强度未说明–––57.9%#55Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index推理强度未说明–––68.6%#11HELM Capabilities
ARC-AGI-1––63.7%#16225.5%#221ARC Prize
ARC-AGI-2––13.6%#1593.8%#197ARC Prize
CritPt不计入 Index0.0%#337–1.1%#242–Artificial Analysis
SciPredict不计入 Index推理强度未说明–––22.6%#3Scale AI SEAL
Arena Expert不计入 Index–1498#49–1484#70Arena (LMArena)
Chess Puzzles不计入 Index推理强度未说明–––10.0%#132Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index推理强度未说明–––17.0%#80Epoch AI Benchmarking Hub
LMCA不计入 Index推理强度未说明–––38.8%#117Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明–––83.2%#122Epoch 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highthinking默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明–––71.3%#24Epoch AI Benchmarking Hub
SciCode推理强度未说明–––45.7%#154SciCode
WeirdML推理强度未说明–––47.7%#75WeirdML
GSO-Bench推理强度未说明–––14.7%#18GSO-Bench
Arena Coding–1519#40–1512#54Arena (LMArena)
Arena WebDev–1393#106–1385#109Arena (LMArena)
SciCode (AA)不计入 Index––45.7%#159–Artificial Analysis
LiveCodeBench––73.0%#81–Vals AI
SWE-bench (Vals)不计入 Index––70.0%#59–Vals AI
SWE-Bench Pro推理强度未说明–––43.6%#7Scale AI SEAL
SWE-bench Verified (bash only)–71.4%#10–70.6%#12SWE-bench
SWE-bench Multilingual (bash only)不计入 Index推理强度未说明–––67.0%#8SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明–––74.8%#7SWE-bench
Vibe Code Bench v1.1不计入 Index––22.6%#87–Vals AI
ALE-Bench不计入 Index推理强度未说明–––796.1#87Epoch AI Benchmarking Hub
AlgoTune不计入 Index推理强度未说明–––1.5#9AlgoTune
Terminal-Bench 4.0 (AA)不计入 Index––0.0%#186–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index––55.8%#108–Artificial Analysis
Design Arena Website不计入 Index––1181#971181#97Design Arena
LiveCodeBench (AA)不计入 Index59.0%#114–71.4%#58–Artificial Analysis

智能体与工具

基准测试无推理lowthinking默认来源趋势
Terminal-Bench推理强度未说明–––46.5%#46Terminal-Bench
GDPval推理强度未说明–––42.5%#4OpenAI
Cybench推理强度未说明–––60.0%#3Cybench
Remote Labor Index推理强度未说明–––2.1%#14Scale AI / CAIS
Terminal-Bench Hard28.8%#120–35.6%#74–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index70.5%#157–78.1%#133–Artificial Analysis
MCP Atlas––59.5%#31–Scale AI SEAL
BFCL Overall推理强度未说明–––73.2%#2Berkeley Function Calling Leaderboard
τ²-bench––76.4%#7–τ²-bench
τ³-bench Banking不计入 Index––25.3%#17–τ²-bench
GDPval-AA v2.1不计入 Index––915#199–Artificial Analysis
τ³-Banking (AA)––24.5%#87–Artificial Analysis
Poker Agent不计入 Index推理强度未说明–––1055.5%#8Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index––41.6%#28–Vals AI
Arena Search不计入 Index推理强度未说明–––1175#31Arena (LMArena)
DeepResearch Bench不计入 Index–47.5%#23–52.6%#7DeepResearch Bench
METR Time Horizons不计入 Index推理强度未说明–––67.4%#12METR
Vending-Bench 2不计入 Index推理强度未说明–––3838.7#46Andon Labs
AutomationBench不计入 Index––14.1%#179–Artificial Analysis
GDP.pdf (AA)不计入 Index––5.2%#196–Artificial Analysis
AA-Briefcase v1.1不计入 Index––715#201–Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明–––1067#65Design Arena
DeepSearchQA不计入 Index––16.0%#11–Google

数学

基准测试无推理highthinking默认来源趋势
FrontierMath Tiers 1–3推理强度未说明–––23.9%#88Epoch AI Benchmarking Hub
FrontierMath Tier 4推理强度未说明–––2.4%#73Epoch AI Benchmarking Hub
OTIS Mock AIME推理强度未说明–––77.8%#133Epoch AI Benchmarking Hub
MATH Level 5推理强度未说明–––97.7%#6Epoch AI Benchmarking Hub
ProofBench推理强度未说明–––19.0%#55Vals AI
AIME (Vals)––88.2%#30–Vals AI
MGSM––94.3%#4–Vals AI
MathArena Apex可能存在污染––1.6%#34–MathArena
Omni-MATH (HELM)推理强度未说明–––55.3%#14HELM Capabilities
Arena Maths–1455#71–1427#110Arena (LMArena)
AIME 2025 (AA)不计入 Index37.0%#160–88.0%#37–Artificial Analysis

知识

基准测试thinking默认来源趋势
SimpleQA Verified推理强度未说明–30.7%#75Epoch AI Benchmarking Hub
MMLU-Pro87.4%#28–Vals AI
LegalBench84.1%#39–Vals AI
CorpFin62.0%#5060.8%#63Vals AI
TaxEval73.3%#49–Vals AI
MedQA94.7%#15–Vals AI
PRBench Finance推理强度未说明–43.8%#27Scale AI SEAL
PRBench Legal推理强度未说明–40.8%#35Scale AI SEAL
MultiNRC可能存在污染35.8%#2028.1%#25Scale AI SEAL
MMLU-Pro (HELM)不计入 Index推理强度未说明–86.9%#3HELM Capabilities
CaseLaw v2不计入 Index62.2%#19–Vals AI
MedCode不计入 Index44.1%#4040.6%#61Vals AI
MedScribe不计入 Index84.1%#3884.5%#33Vals AI
EBR-bench不计入 Index推理强度未说明–2.4%#30Epoch AI Benchmarking Hub
Global-MMLU-Lite (AA)不计入 Index89.3%#20–Artificial Analysis

指令遵循

基准测试无推理highthinking默认来源趋势
IFBench42.6%#239–57.3%#140–Artificial Analysis
MultiChallenge––55.3%#26–Scale AI SEAL
TutorBench––49.0%#2145.7%#24Scale AI SEAL
IFEval (HELM)推理强度未说明–––85.0%#19HELM Capabilities
WildBench (HELM)推理强度未说明–––85.4%#9HELM Capabilities
Arena Instruction Following不计入 Index–1463#49–1462#51Arena (LMArena)

人类偏好

基准测试high默认来源趋势
Arena Text1456#711455#74Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1677#37EQ-Bench
Arena Creative Writing不计入 Index1449#411455#34Arena (LMArena)
Arena Multi-turn不计入 Index1472#611477#48Arena (LMArena)
Arena Longer Queries不计入 Index1485#381482#44Arena (LMArena)

多模态

基准测试无推理thinking默认来源趋势
MMMU-Pro65.2%#19168.7%#176–Artificial Analysis
VISTA–48.8%#1445.0%#30Scale AI SEAL
MMMU-Pro (Vals)不计入 Index–79.3%#47–Vals AI
MortgageTax不计入 Index–64.0%#47–Vals AI
VTB不计入 Index–6.2%#115.6%#12Scale AI SEAL
GeoBench不计入 Index推理强度未说明––60.0%#33GeoBench
VPCT不计入 Index推理强度未说明––39.8%#18Epoch AI Benchmarking Hub

长上下文

基准测试无推理thinking默认来源趋势
AA-LCR v1.154.0%#32572.3%#205–Artificial Analysis
Arena Document不计入 Index推理强度未说明––1448#35Arena (LMArena)
MLCR不计入 Index–10.6%#119–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––147.6#77Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index19.3#25220.7#234–Artificial Analysis
AA Progress Index v1不计入 Index222.6#343263.1#233–Artificial Analysis
HELM Capabilities mean不计入 Index推理强度未说明––76.2%#12HELM Capabilities

安全与诚实

基准测试thinking默认来源趋势
FORTRESS不计入 Index12.8%#1117.0%#28Scale AI SEAL
MASK不计入 Index可能存在污染96.1%#286.4%#15Scale AI SEAL

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Claude Platform on AWS42 tok/s0.86 s$3.00$15.001M–
Anthropic40 tok/s0.66 s$3.00$15.001M–
Google Vertex34 tok/s0.96 s$3.00$15.001M–
Amazon Bedrock32 tok/s1.47 s$3.00$15.001M–

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$0.00498.4 s
总结一份 30 页的报告12,000 / 600$0.045$0.02115.9 s
代码编辑6,000 / 1,500$0.041$0.02838.4 s
智能体编程会话60,000 / 4,000$0.240$0.1181.7 min
结构化信息提取2,000 / 200$0.0090$0.00505.9 s

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 4.5 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 4.5 on BenchLeader: 综合第 68 名](https://www.benchleader.com/badge/claude-sonnet-4-5.svg)](https://www.benchleader.com/models/claude-sonnet-4-5)

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 4.5 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-sonnet-4-5

BibTeX:

@misc{benchleader_claude_sonnet_4_5_20261116,
  author       = {{BenchLeader}},
  title        = {{Claude Sonnet 4.5 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/claude-sonnet-4-5}},
  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 4.5 的基准测试得分是多少?
截至 2026年11月16日,Claude Sonnet 4.5(推理强度 high)的 BenchLeader Index 为 57.9 ±6.7。最强的是推理(65),最弱的是编程(55)。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 4.5 排名第几?
截至 2026年11月16日,Claude Sonnet 4.5(推理强度 high)在 608 个已排名配置中排第 145 名。另有 311 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 4.5 每百万 token 的价格是多少?
截至 2026年11月16日,Claude Sonnet 4.5 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 4.5 是什么时候发布的?
Anthropic 于 2025年9月29日发布了 Claude Sonnet 4.5。BenchLeader 收录了它在 5 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 4.5: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-4-5。