Claude Sonnet 4.5vsClaude Sonnet 4
在 25 个共同 benchmark 中，Claude Sonnet 4.5 整体领先：Claude Sonnet 4.5 领先 22 项，Claude Sonnet 4 领先 1 项，持平 2 项，平均分差 +5.83。
Claude Sonnet 4.5
Anthropic · 2025-09-30 · 聊天大模型
Claude Sonnet 4
Anthropic · 2025-05-23 · 推理大模型
Claude Sonnet 4.522 项(88%)持平2(4%)1 项Claude Sonnet 4
评测分数
按能力类目分组，每组内按分差大小排列；共 25 项。
综合评估
Claude Sonnet 4.5 领先 6/6| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| GPQA Diamond | 73.7094 / 175 | 68119 / 175 | +5.70 |
| LiveBench | 70.5620 / 52 | 65.4030 / 52 | +5.16 |
| MMLU Pro | 885 / 124thinking | 8435 / 124thinking | +4 |
| ARC-AGI-2 | 3.8048 / 58 | 1.3051 / 58 | +2.50 |
| ARC-AGI | 25.5052 / 65 | 23.8053 / 65 | +1.70 |
| HLE | 7.10136 / 149 | 5.52140 / 149 | +1.58 |
数学推理
Claude Sonnet 4.5 领先 2/5| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| FrontierMath - Tier 4 | 2.1056 / 80Normal (No Tools) | 072 / 80Normal (No Tools) | +2.10 |
| FrontierMath | 5.2038 / 60 | 4.1041 / 60 | +1.10 |
| AIME2025 | 3796 / 106 | 3895 / 106 | -1 |
| IMO-ProofBench | 27.108 / 16thinking | 27.108 / 16thinking | 持平 |
| IMO-ProofBench Advanced | 4.806 / 8thinking | 4.806 / 8thinking | 持平 |
编程与软件工程
Claude Sonnet 4.5 领先 3/3| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| LiveCodeBench | 5969 / 118 | 48.5092 / 118 | +10.50 |
| SWE-bench Verified | 823 / 103parallel_thinking + 使用工具 | 80.209 / 103parallel_thinking + 使用工具 | +1.80 |
| SWE-Bench Pro - Public | 43.6029 / 36thinking | 42.7030 / 36thinking | +0.90 |
Agent能力评测
Claude Sonnet 4.5 领先 2/2| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 985 / 35thinking + 使用工具 | 6529 / 35thinking + 使用工具 | +33 |
| τ²-Bench | 7124 / 40normal + 使用工具 | 5233 / 40normal + 使用工具 | +19 |
AI Agent - 工具使用
Claude Sonnet 4.5 领先 2/2| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| OSWorld-Verified | 61.4010 / 14thinking + 使用工具 | 42.2012 / 14thinking + 使用工具 | +19.20 |
| Terminal-Bench | 2725 / 35normal + 使用工具 | 2626 / 35normal + 使用工具 | +1 |
OpenClaw智能体能力综合测评
Claude Sonnet 4.5 领先 2/2| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| Claw Bench | 88.1013 / 29Thinking (With Tools) | 77.8023 / 29Thinking (With Tools) | +10.30 |
| Pinch Bench | 88.204 / 37Thinking (With Tools) | 80.5022 / 37Thinking (With Tools) | +7.70 |
多模态理解
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| MMMU | 77.8014 / 28thinking | 76.5016 / 28 | +1.30 |
常识推理
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| Simple Bench | 54.309 / 27 | 45.5015 / 27thinking | +8.80 |
指令跟随
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| IF Bench | 57.3019 / 27thinking + 使用工具 | 5520 / 27thinking + 使用工具 | +2.30 |
生产力知识
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| GDPval-AA | 3915 / 20thinking | 3318 / 20thinking | +6 |
长上下文能力
Claude Sonnet 4.5 领先 1/1| 评测项 | Claude Sonnet 4.5 | Claude Sonnet 4 | 分差 |
|---|---|---|---|
| AA-LCR | 668 / 13thinking | 6510 / 13thinking | +1 |
规格对比
| 字段 | Claude Sonnet 4.5 | Claude Sonnet 4 |
|---|---|---|
| 发布机构 | Anthropic | Anthropic |
| 发布时间 | 2025-09-30 | 2025-05-23 |
| 模型类型 | 聊天大模型 | 推理大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 0.0 | 0.0 |
| 上下文长度 | 1000K | 200K |
| 最大输出 | 65536 | 64000 |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | Claude Sonnet 4.5 | Claude Sonnet 4 |
|---|---|---|
| 文本输入 | 3 美元/100 万tokens | 3 美元/ 100万tokens |
| 文本输出 | 15 美元/100 万tokens | 15 美元/100万tokens |
| 缓存读取 | 3.75 美元/100 万tokens | 3.75 美元/ 100万tokens |
| 缓存写入 | 0.3 美元/100 万tokens | 0.3 美元/ 100万tokens |
小结
- Claude Sonnet 4.5在以下类目领先:综合评估 (6/6)、数学推理 (2/5)、编程与软件工程 (3/3)、Agent能力评测 (2/2)、AI Agent - 工具使用 (2/2)、OpenClaw智能体能力综合测评 (2/2)、多模态理解 (1/1)、常识推理 (1/1)、指令跟随 (1/1)、生产力知识 (1/1)、长上下文能力 (1/1)
25 个共同 benchmark 上，Claude Sonnet 4.5 平均高出 5.83 分。
单项差距最大的 benchmark：τ²-Bench - Telecom — Claude Sonnet 4.5 98，Claude Sonnet 4 65（分差 +33）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。