Claude Sonnet 4.5
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
- 综合 Index58
- 推理65
- 编程55
- 数学63
- 人类偏好64
嵌入这个排名
更多徽章样式[](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。
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本页 | 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 | 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。
| 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/s | 1.77 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/s | 0.91 s | $0.0057 | |
| high最佳 | 57.9 | #145 | 40 tok/s | 0.91 s | $0.0057 | 编程 55 · 人类偏好 64 · 数学 63 · 推理 65 |
| thinking | 52.3 | #280 | 57 tok/s | 11 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 | #247 | 40 tok/s | 0.91 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- 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 Index | 11.1#292 | 11.1#292 | Artificial Analysis |
推理
编程
智能体与工具
数学
| 基准测试 | 无推理 | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3推理强度未说明 | – | – | – | 23.9%#88 | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4推理强度未说明 | – | – | – | 2.4%#73 | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME推理强度未说明 | – | – | – | 77.8%#133 | Epoch AI Benchmarking Hub | |
| MATH Level 5推理强度未说明 | – | – | – | 97.7%#6 | Epoch AI Benchmarking Hub | |
| ProofBench推理强度未说明 | – | – | – | 19.0%#55 | Vals 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%#14 | HELM Capabilities | |
| Arena Maths | – | 1455#71 | – | 1427#110 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 37.0%#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%#75 | Epoch AI Benchmarking Hub | |
| MMLU-Pro | 87.4%#28 | – | Vals AI | |
| LegalBench | 84.1%#39 | – | Vals AI | |
| CorpFin | 62.0%#50 | 60.8%#63 | Vals AI | |
| TaxEval | 73.3%#49 | – | Vals AI | |
| MedQA | 94.7%#15 | – | Vals AI | |
| PRBench Finance推理强度未说明 | – | 43.8%#27 | Scale AI SEAL | |
| PRBench Legal推理强度未说明 | – | 40.8%#35 | Scale AI SEAL | |
| MultiNRC可能存在污染 | 35.8%#20 | 28.1%#25 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index推理强度未说明 | – | 86.9%#3 | HELM Capabilities | |
| CaseLaw v2不计入 Index | 62.2%#19 | – | Vals AI | |
| MedCode不计入 Index | 44.1%#40 | 40.6%#61 | Vals AI | |
| MedScribe不计入 Index | 84.1%#38 | 84.5%#33 | Vals AI | |
| EBR-bench不计入 Index推理强度未说明 | – | 2.4%#30 | Epoch AI Benchmarking Hub | |
| Global-MMLU-Lite (AA)不计入 Index | 89.3%#20 | – | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| IFBench | 42.6%#239 | – | 57.3%#140 | – | Artificial Analysis | |
| MultiChallenge | – | – | 55.3%#26 | – | Scale AI SEAL | |
| TutorBench | – | – | 49.0%#21 | 45.7%#24 | Scale AI SEAL | |
| IFEval (HELM)推理强度未说明 | – | – | – | 85.0%#19 | HELM Capabilities | |
| WildBench (HELM)推理强度未说明 | – | – | – | 85.4%#9 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | – | 1463#49 | – | 1462#51 | Arena (LMArena) |
人类偏好
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1456#71 | 1455#74 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1677#37 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1449#41 | 1455#34 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1472#61 | 1477#48 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1485#38 | 1482#44 | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| MMMU-Pro | 65.2%#191 | 68.7%#176 | – | Artificial Analysis | |
| VISTA | – | 48.8%#14 | 45.0%#30 | Scale 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%#11 | 5.6%#12 | Scale AI SEAL | |
| GeoBench不计入 Index推理强度未说明 | – | – | 60.0%#33 | GeoBench | |
| VPCT不计入 Index推理强度未说明 | – | – | 39.8%#18 | Epoch AI Benchmarking Hub |
长上下文
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| AA-LCR v1.1 | 54.0%#325 | 72.3%#205 | – | Artificial Analysis | |
| Arena Document不计入 Index推理强度未说明 | – | – | 1448#35 | Arena (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#77 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 19.3#252 | 20.7#234 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 222.6#343 | 263.1#233 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index推理强度未说明 | – | – | 76.2%#12 | HELM Capabilities |
安全与诚实
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| FORTRESS不计入 Index | 12.8%#11 | 17.0%#28 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 96.1%#2 | 86.4%#15 | Scale 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 AWS | 42 tok/s | 0.86 s | $3.00 | $15.00 | 1M | – |
| Anthropic | 40 tok/s | 0.66 s | $3.00 | $15.00 | 1M | – |
| Google Vertex | 34 tok/s | 0.96 s | $3.00 | $15.00 | 1M | – |
| Amazon Bedrock | 32 tok/s | 1.47 s | $3.00 | $15.00 | 1M | – |
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 | 8.4 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.045 | $0.021 | 15.9 s |
| 代码编辑 | 6,000 / 1,500 | $0.041 | $0.028 | 38.4 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.240 | $0.118 | 1.7 min |
| 结构化信息提取 | 2,000 / 200 | $0.0090 | $0.0050 | 5.9 s |
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 4.5 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。
[](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}
}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。