Claude Sonnet 4.5vsClaude Sonnet 4
在 25 个共同 benchmark 中，Claude Sonnet 4.5 整体领先：Claude Sonnet 4.5 领先 22 项，Claude Sonnet 4 领先 1 项，持平 2 项，平均分差 +8.81。
Claude Sonnet 4.5
Anthropic · 2025-09-30 · 聊天大模型
Claude Sonnet 4
Anthropic · 2025-05-23 · 推理大模型
Claude Sonnet 4.522 项(88%)持平2(4%)1 项Claude Sonnet 4
评测分数
按能力类目分组，每组内按分差大小排列；共 25 项。
General Knowledge
Claude Sonnet 4.5 领先 5/6| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| HLE | 33.6067 / 157 | 9.60134 / 157 | +24 |
| ARC-AGI | 63.7032 / 65 | 4046 / 65 | +23.70 |
| ARC-AGI-2 | 13.6035 / 59 | 5.9043 / 59 | +7.70 |
| LiveBench | 78.264 / 52 | 73.8211 / 52 | +4.44 |
| MMLU Pro | 887 / 126 | 8437 / 126 | +4 |
| GPQA Diamond | 83.4058 / 178 | 83.8057 / 178 | -0.40 |
Math and Reasoning
Claude Sonnet 4.5 领先 3/5| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| AIME2025 | 1001 / 106 | 8550 / 106 | +15 |
| FrontierMath - Tier 4 | 2.1056 / 80Normal (No Tools) | 072 / 80Normal (No Tools) | +2.10 |
| FrontierMath | 5.2038 / 60 | 4.1041 / 60 | +1.10 |
| IMO-ProofBench | 27.108 / 16 | 27.108 / 16 | 持平 |
| IMO-ProofBench Advanced | 4.806 / 8 | 4.806 / 8 | 持平 |
Coding and Software Engineer
Claude Sonnet 4.5 领先 3/3| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| LiveCodeBench | 7147 / 120 | 6658 / 120 | +5 |
| SWE-bench Verified | 826 / 108 | 80.2013 / 108 | +1.80 |
| SWE-Bench Pro - Public | 43.6036 / 43 | 42.7037 / 43 | +0.90 |
Agent Level Benchmark
Claude Sonnet 4.5 领先 2/2| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 985 / 35 | 6529 / 35 | +33 |
| τ²-Bench | 84.709 / 40 | 5233 / 40 | +32.70 |
AI Agent - Tool Usage
Claude Sonnet 4.5 领先 2/2| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| OSWorld-Verified | 61.4014 / 18 | 42.2016 / 18 | +19.20 |
| Terminal-Bench | 503 / 35 | 41.3010 / 35 | +8.70 |
Claw-style Agent Evaluation
Claude Sonnet 4.5 领先 2/2| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| Claw Bench | 88.1013 / 29Thinking (With Tools) | 77.8023 / 29Thinking (With Tools) | +10.30 |
| Pinch Bench | 88.204 / 37Thinking (With Tools) | 80.5022 / 37Thinking (With Tools) | +7.70 |
Instruction Following
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| IF Bench | 57.3021 / 29 | 5522 / 29 | +2.30 |
Long Context
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| AA-LCR | 668 / 13 | 6510 / 13 | +1 |
Multimodal Understanding
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| MMMU | 77.8014 / 28 | 76.5016 / 28 | +1.30 |
Productivity Knowledge
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| GDPval-AA | 3916 / 21 | 3319 / 21 | +6 |
常识推理
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| Simple Bench | 54.309 / 27 | 45.5015 / 27 | +8.80 |
规格对比
| 字段 | Claude Sonnet 4.5 | Claude Sonnet 4 |
|---|---|---|
| 发布机构 | Anthropic | Anthropic |
| 发布时间 | 2025-09-30 | 2025-05-23 |
| 模型类型 | 聊天大模型 | 推理大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 暂无数据 | 暂无数据 |
| 上下文长度 | 1000K | 200K |
| 最大输出 | 64K | 64K |
小结
- Claude Sonnet 4.5在以下类目领先:General Knowledge (5/6)、Math and Reasoning (3/5)、Coding and Software Engineer (3/3)、Agent Level Benchmark (2/2)、AI Agent - Tool Usage (2/2)、Claw-style Agent Evaluation (2/2)、Instruction Following (1/1)、Long Context (1/1)、Multimodal Understanding (1/1)、Productivity Knowledge (1/1)、常识推理 (1/1)
25 个共同 benchmark 上，Claude Sonnet 4.5 平均高出 8.81 分。
单项差距最大的 benchmark：τ²-Bench - Telecom — Claude Sonnet 4.5 98，Claude Sonnet 4 65（分差 +33）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。