Claude Sonnet 4 评测详情

Claude Sonnet 4 当前已收录的代表性评测结果包括 SWE-bench Verified（14 / 115，得分 80.20）、Terminal-Bench（10 / 35，得分 41.30）、MMLU Pro（39 / 133，得分 84）。并附有 1 个数据来源链接供参考。

评测结果

Claude Sonnet 4

评测结果

综合评估

共 9 项评测

评测名称 / 模式

得分

排名/总数

开启思考

84

39 / 133

常规模式

50.98

89 / 115

64K

61.27

65 / 115

常规模式

23.80

80 / 92

开启思考

40

73 / 92

常规模式

5.52

180 / 189

开启思考

9.60

166 / 189

常规模式

1.30

78 / 85

开启思考

5.90

69 / 85

科学与综合推理

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式

68

204 / 270

开启思考

75.40

167 / 270

深度工具

83.80

111 / 270

编程与软件工程

共 6 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

1223

4 / 8

SWE-bench Verified

开启思考工具

72.70

52 / 115

SWE-bench Verified

思考水平·高工具

80.20

14 / 115

常规模式

48.50

100 / 127

开启思考

66

62 / 127

SWE-Bench Pro - Public

开启思考

42.70

54 / 60

数学推理

共 12 项评测

评测名称 / 模式

得分

排名/总数

常规模式

38

95 / 106

开启思考

70.50

71 / 106

深度工具

85

50 / 106

常规模式

43.40

50 / 62

开启思考

27.10

8 / 16

常规模式

9.70

5 / 10

开启思考

5.20

8 / 10

IMO-ProofBench Advanced

开启思考

4.80

14 / 19

常规模式

4.10

41 / 60

常规模式

3.30

6 / 9

开启思考

4

5 / 9

FrontierMath - Tier 4

常规模式

0

72 / 80

写作和创作

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1480.30

49 / 99

AI Agent - 工具使用

共 4 项评测

评测名称 / 模式

得分

排名/总数

OSWorld-Verified

开启思考工具

42.20

24 / 26

常规模式工具

26

26 / 35

开启思考工具

35.50

18 / 35

深度工具

41.30

10 / 35

多模态理解

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

76.50

16 / 28

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

开启思考

45.50

58 / 92

Agent能力评测

共 4 项评测

评测名称 / 模式

得分

排名/总数

τ²-Bench - Telecom

开启思考工具

65

29 / 35

常规模式

56.40

26 / 59

32K

61.30

20 / 59

常规模式工具

52

35 / 44

指令跟随

共 1 项评测

评测名称 / 模式

得分

排名/总数

开启思考工具

55

28 / 35

生产力知识

共 1 项评测

评测名称 / 模式

得分

排名/总数

开启思考

33

19 / 21

长上下文能力

共 1 项评测

评测名称 / 模式

得分

排名/总数

开启思考

65

22 / 28

OpenClaw智能体能力综合测评

共 2 项评测

评测名称 / 模式

得分

排名/总数

开启思考工具

80.50

23 / 38

开启思考工具

77.80

23 / 29

与其他模型对比

数据来源

artificialanalysis.aiartificialanalysis.ai