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 / 116，得分 80.20）、MMLU-Pro（40 / 175，得分 84）、Terminal-Bench（10 / 35，得分 41.30）。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

综合知识考试

共 5 项评测

评测名称 / 模式

得分

排名/总数

开启思考

84

40 / 175

常规模式

5.52

473 / 568

常规模式

4.30

514 / 568

开启思考

10.70

389 / 568

开启思考

9.60

402 / 568

抽象归纳与泛化

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式

23.80

155 / 176

开启思考

40

140 / 176

常规模式

1.30

151 / 164

开启思考

5.93

123 / 164

科学知识与推理

共 5 项评测

评测名称 / 模式

得分

排名/总数

常规模式

68

338 / 461

开启思考

75.40

277 / 461

深度工具

83.80

182 / 461

常规模式

1.10

151 / 204

开启思考

0.30

186 / 204

仓库修复与多文件工程

共 3 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

开启思考工具

72.70

52 / 116

SWE-bench Verified

思考水平·高工具

80.20

14 / 116

SWE-Bench Pro - Public

开启思考

42.70

55 / 62

数学

共 8 项评测

评测名称 / 模式

得分

排名/总数

常规模式

38

171 / 215

开启思考

70.50

119 / 215

深度工具

85

77 / 215

常规模式

43.40

50 / 61

开启思考

27.10

8 / 16

IMO-ProofBench Advanced

开启思考

4.80

19 / 24

常规模式

4.10

41 / 60

FrontierMath - Tier 4

常规模式

0

72 / 80

算法与竞赛编程

共 7 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

1223

4 / 8

常规模式

48.50

171 / 251

开启思考

66

106 / 251

IOI 2024 (Vals v1)

常规模式工具

9.70

5 / 10

IOI 2024 (Vals v1)

开启思考工具

5.20

7 / 10

IOI 2025 (Vals v1)

常规模式工具

3.30

6 / 9

IOI 2025 (Vals v1)

开启思考工具

4

5 / 9

写作与创意表达

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

53 / 106

自主开发与终端任务

共 8 项评测

评测名称 / 模式

得分

排名/总数

常规模式

56.40

26 / 59

32K

61.30

20 / 59

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

Terminal-Bench 2.1

开启思考工具

36.30

157 / 199

Terminal Bench Hard

常规模式工具

27.30

120 / 244

Terminal Bench Hard

开启思考工具

31.10

105 / 244

图像感知与视觉推理

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式

76.50

28 / 74

unknown

74.40

34 / 74

常规模式

62.40

165 / 229

开启思考

61.80

170 / 229

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

60 / 93

客服与业务流程

共 6 项评测

评测名称 / 模式

得分

排名/总数

τ²-Bench - Telecom

常规模式工具

52.30

169 / 264

τ²-Bench - Telecom

开启思考工具

65

150 / 264

常规模式工具

52

35 / 44

常规模式工具

35

49 / 64

开启思考工具

32

52 / 64

开启思考工具

16.70

102 / 167

指令与格式遵循

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式

45.40

180 / 282

开启思考

54.70

137 / 282

开启思考工具

55

134 / 282

跨能力综合测试

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

50.98

91 / 117

64K

61.27

67 / 117

跨行业工作评估

共 1 项评测

评测名称 / 模式

得分

排名/总数

开启思考

33

13 / 15

跨长文理解与整合

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

44

154 / 174

开启思考

70.30

104 / 174

桌面工作流

共 1 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

26 / 28

跨应用与工具编排

共 3 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

unknown

48.78

39 / 45

临床工作与医疗决策

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

72.41

57 / 66

开启思考工具

69.35

61 / 66

常规模式工具

33.94

54 / 64

开启思考工具

34.96

52 / 64

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

141.69

89 / 167

与其他模型对比

数据来源

artificialanalysis.aiartificialanalysis.ai