Sonnet 4.5是Anthropic一个中等能力的模型，但很多评测结果不比Opus差。
Claude Sonnet 4.5 评测深度分析
Claude Sonnet 4.5 当前已收录的代表性评测结果包括 AIME2025（1 / 106，得分 100）、SWE-bench Verified（6 / 108，得分 82）、MMLU Pro（7 / 126，得分 88）。本页还提供与 2 个竞品模型及 4 个前代或同系列模型的对比，在有数据时会展示性能和价格视图。并附有 2 个数据来源链接供参考。
评测结果
Claude Sonnet 4.5
评测结果
综合评估
共 12 项评测评测名称 / 模式
得分
排名/总数
编程与软件工程
共 6 项评测评测名称 / 模式
得分
排名/总数
数学推理
共 8 项评测评测名称 / 模式
得分
排名/总数
AI Agent - 工具使用
共 5 项评测评测名称 / 模式
得分
排名/总数
Agent能力评测
共 4 项评测评测名称 / 模式
得分
排名/总数
竞品对比
Claude Sonnet 4.5 与同类主流模型的评测得分对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
12 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Claude Sonnet 4.5当前 | GPT-5.1 | Gemini 2.5-Pro |
|---|---|---|---|
ARC-AGI 综合评估 | 63.70开启思考 | 72.80思考水平·高 | 37.00开启思考 |
ARC-AGI-2 综合评估 | 13.60开启思考 | 17.60思考水平·高 | 4.90开启思考 |
GPQA Diamond 综合评估 | 83.40开启思考 | 88.10开启思考 | 86.40开启思考 |
HLE 综合评估 | 33.60开启思考 ｜ 工具 | 42.70思考水平·高 ｜ 工具 | 21.60开启思考 |
LiveBench 综合评估 | 68.1964K | 72.04思考水平·高 | 58.33思考水平·高 |
MMLU Pro 综合评估 | 88.00开启思考 | -- | 86.00常规模式 |
CodeClash 编程与软件工程 | 1389.00常规模式 ｜ 工具 | -- | 1125.00常规模式 ｜ 工具 |
LiveCodeBench 编程与软件工程 | 71.00开启思考 | -- | 77.10常规模式 |
SWE-Bench Pro - Public 编程与软件工程 | 43.60开启思考 | 50.80思考水平·高 | -- |
SWE-bench Verified 编程与软件工程 | 82.00开启思考 ｜ 工具 | 76.30思考水平·高 | 67.20开启思考 |
AIME2025 数学推理 | 100.00开启思考 ｜ 工具 | 94.00思考水平·高 | 88.00开启思考 |
FrontierMath 数学推理 | 5.20常规模式 | 26.70思考水平·高 ｜ 工具 | 11.00常规模式 |
其余 13 个 benchmark 仍可在上方图表中查看。
Claude Sonnet 4.5 与同类模型的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型暂未提供可比较的标准文本价格。
历代版本对比
Claude Sonnet 4.5 系列各版本的评测成绩纵向对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
12 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。· 点击任意行可切换下方趋势图。
| 评测项 | Claude Sonnet 4.5当前 | Claude Sonnet 4 | Claude Sonnet 3.7 | Claude 3.5 Sonnet New | Claude 3.5 Sonnet |
|---|---|---|---|---|---|
ARC-AGI 综合评估 | 63.70开启思考 | 40.00开启思考 | -- | -- | -- |
ARC-AGI-2 综合评估 | 13.60开启思考 | 5.90开启思考 | -- | -- | -- |
GPQA Diamond 综合评估 | 83.40开启思考 | 83.80深度思考模式 ｜ 工具 | 77.00开启思考 | 65.00常规模式 | 59.40常规模式 |
HLE 综合评估 | 33.60开启思考 ｜ 工具 | 9.60开启思考 | 10.30开启思考 | -- | -- |
LiveBench 综合评估 | 68.1964K | 61.2764K | -- | -- | -- |
MMLU Pro 综合评估 | 88.00开启思考 | 84.00开启思考 | -- | 78.00常规模式 | 77.64常规模式 |
CodeClash 编程与软件工程 | 1389.00常规模式 ｜ 工具 | 1223.00常规模式 ｜ 工具 | -- | -- | -- |
LiveCodeBench 编程与软件工程 | 71.00开启思考 | 66.00开启思考 | -- | 38.70常规模式 | -- |
SWE-Bench Pro - Public 编程与软件工程 | 43.60开启思考 | 42.70开启思考 | -- | -- | -- |
SWE-bench Verified 编程与软件工程 | 82.00开启思考 ｜ 工具 | 80.20开启思考 ｜ 工具 | 70.30开启思考 ｜ 工具 | 49.00常规模式 | -- |
AIME2025 数学推理 | 100.00开启思考 ｜ 工具 | 85.00深度思考模式 ｜ 工具 | 54.80常规模式 | -- | -- |
FrontierMath 数学推理 | 5.20常规模式 | 4.10常规模式 | 4.10开启思考 | 2.10常规模式 | 1.00常规模式 |
其余 11 个 benchmark 仍可在上方图表中查看。
单评测历史趋势图
当前查看：ARC-AGI · 综合评估
选择评测
Claude Sonnet 4.5 所在系列的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型暂未提供可比较的标准文本价格。