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 / 112，得分 80.20）、Terminal-Bench（10 / 35，得分 41.30）、MMLU Pro（38 / 132，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 12 项评测

评测名称 / 模式

得分

排名/总数

84

38 / 132

83.80

62 / 187

75.40

97 / 187

68

128 / 187

常规模式

50.98

89 / 115

64K

61.27

65 / 115

40

49 / 68

23.80

56 / 68

9.60

149 / 172

5.52

163 / 172

5.90

46 / 62

1.30

55 / 62

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

80.20

14 / 112

SWE-bench Verified

72.70

51 / 112

66

59 / 123

48.50

96 / 123

SWE-Bench Pro - Public

42.70

48 / 54

数学推理

共 12 项评测

评测名称 / 模式

得分

排名/总数

85

51 / 107

70.50

72 / 107

38

96 / 107

43.40

50 / 62

27.10

8 / 16

9.70

5 / 10

5.20

8 / 10

IMO-ProofBench Advanced

4.80

6 / 8

4.10

41 / 60

4

5 / 9

3.30

6 / 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

83.05

14 / 23

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

42.20

22 / 24

41.30

10 / 35

35.50

18 / 35

26

26 / 35

多模态理解

共 1 项评测

评测名称 / 模式

得分

排名/总数

76.50

17 / 29

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

34 / 63

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

65

29 / 35

常规模式

56.40

26 / 59

32K

61.30

20 / 59

52

34 / 43

指令跟随

共 1 项评测

评测名称 / 模式

得分

排名/总数

55

23 / 30

生产力知识

共 1 项评测

评测名称 / 模式

得分

排名/总数

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

65

12 / 15

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

22 / 37

开启思考工具

77.80

23 / 29

与其他模型对比

数据来源

artificialanalysis.aiartificialanalysis.ai