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。
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: AI Agent - 工具使用 +33.4 / 相对落后: 暂无明显落后
相对优势: 暂无明显优势 / 相对落后: AI Agent - 工具使用 -33.4
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 4.5 · 62.62
单项最高
Claude Sonnet 4.5 · AIME2025 100.00
模态覆盖
Claude Sonnet 4.5 · 2 种模态
正面对比
13
评测基准
13
领先项
0
落后项
+17.52
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
13 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 | Claude Sonnet 3.7 |
|---|---|---|
GPQA Diamond 综合评估 | 83.40开启思考 | 77.00开启思考 |
HLE 综合评估 | 33.60开启思考 ｜ 工具 | 10.30开启思考 |
LiveBench 综合评估 | 78.26开启思考 | 68.64开启思考 |
SWE-bench Verified 编程与软件工程 | 77.20开启思考 ｜ 工具 | 70.30开启思考 ｜ 工具 |
AIME2025 数学推理 | 100.00开启思考 ｜ 工具 | 54.80常规模式 |
FrontierMath 数学推理 | 5.20常规模式 | 4.10开启思考 |
OSWorld-Verified AI Agent - 工具使用 | 61.40开启思考 ｜ 工具 | 28.00开启思考 ｜ 工具 |
Simple Bench 常识推理 | 54.30常规模式 | 46.40开启思考 |
Terminal Bench Hard Agent能力评测 | 33.00开启思考 ｜ 工具 | 21.00开启思考 ｜ 工具 |
τ²-Bench Agent能力评测 | 84.70开启思考 ｜ 工具 | 61.80开启思考 ｜ 工具 |
τ²-Bench - Telecom Agent能力评测 | 98.00开启思考 ｜ 工具 | 55.00开启思考 ｜ 工具 |
GDPval-AA 生产力知识 | 39.00开启思考 | 28.00开启思考 |
AA-LCR 长上下文能力 | 66.00开启思考 | 61.00开启思考 |
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 4.5Anthropic | Claude Sonnet 3.7Anthropic |
|---|---|---|
核心规格发布时间 | 2025-09-30 | 2025-02-25 |
上下文 | 1000K | 128K |
最大输出 | 65536 | 未提供 |
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） | 暂无模式数据 |
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 | / | 未提供 |
图片 输入/输出 | / | 未提供 |
资料来源论文 / 报告 | Introducing Claude Sonnet 4.5 | Claude 3.7 Sonnet and Claude Code |
DataLearner 博客 | 全球最强编程大模型升级：Anthropic发布Claude Sonnet 4.5！同时还有一波重磅工具更新：Claude Code支持保存状态等 | Anthropic发布Claude 3.7 Sonnet大模型，全球最强编程模型再次进步。业界第一个既支持标准输出也支持扩展思考推理双重模式的单一大模型，评测结果超DeepSeek R1，低于Grok3-Beta Reasoning，免费用户可用 |
