自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
Claude Sonnet 4
Anthropic
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: 暂无明显优势 / 相对落后: Agent能力评测 -32.9
相对优势: Agent能力评测 +32.9 / 相对落后: 暂无明显落后
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
Claude Sonnet 4.6 · 73.87
单项最高
Claude Sonnet 4.6 · τ²-Bench - Telecom 97.90
模态覆盖
Claude Sonnet 4 · 2 种模态
正面对比
10
评测基准
0
领先项
10
落后项
-21.97
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
10 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 | Claude Sonnet 4.6 |
|---|---|---|
ARC-AGI-2 综合评估 | 5.90开启思考 | 58.30开启思考 |
GPQA Diamond 综合评估 | 83.80深度思考模式 ｜ 工具 | 89.90开启思考 |
HLE 综合评估 | 9.60开启思考 | 49.00开启思考 ｜ 工具 |
LiveBench 综合评估 | 61.2764K | 75.47思考水平·中 |
SWE-bench Verified 编程与软件工程 | 72.70开启思考 ｜ 工具 | 79.60开启思考 |
OSWorld-Verified AI Agent - 工具使用 | 42.20开启思考 ｜ 工具 | 72.50开启思考 ｜ 工具 |
τ²-Bench - Telecom Agent能力评测 | 65.00开启思考 ｜ 工具 | 97.90开启思考 ｜ 工具 |
GDPval-AA 生产力知识 | 33.00开启思考 | 57.00开启思考 |
AA-LCR 长上下文能力 | 65.00开启思考 | 71.00开启思考 |
Pinch Bench OpenClaw智能体能力综合测评 | 80.50开启思考 ｜ 工具 | 88.00开启思考 ｜ 工具 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | Claude Sonnet 4Anthropic | Claude Sonnet 4.6Anthropic |
|---|---|---|
核心规格发布时间 | 2025-05-23 | 2026-02-17 |
上下文 | 200K | 1M |
最大输出 | 64000 | 8192 |
MoE 架构 | 不支持 | 不支持 |
支持模式 | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode）深度思考（Deeper Thinking Mode） | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode） |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 不开源 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
资料来源论文 / 报告 | Introducing Claude 4 | Introducing Claude Sonnet 4.6 |
DataLearner 博客 | Anthropic发布Claude4，全球最强编程大模型，大幅提升AI Agent系统所需的各项能力，最长可以7小时连续工作，80%工程任务自主完成 | 未提供 |
Claude Sonnet 4.6
Anthropic
