自动生成页面。 本页由 AI 自动撰写和翻译,并由软件对照来源进行核查,无人工编辑。SI-IQ 是基于公开基准测试结果构建的指数,不是智商测试。工作原理

Claude Sonnet 4.5 有多聪明？

110 SI-IQ · 90% 区间 107–113
在 80 个已排名模型中位列第 60 · 可能的名次区间 45–67

Claude Sonnet 4.5 是 Anthropic 于 2025年9月29日发布的模型。其 SI-IQ 为 110（90% 区间 107–113），由 3 家独立评测方的 11 项基准测试结果估算得出。其最强的领域是智能体，最弱的是推理。

基本信息

开发方: Anthropic
发布时间: 2025年9月29日
访问方式: API 访问
所用基准测试: 来自 3 家评测方的 11 项结果
API 价格: 每 1M tokens 输入 $3.00 / 输出 $15 (开发方价格表, 2026年10月18日)
上下文窗口: 200,000 tokens

各领域能力（SI-IQ，90% 区间）

我们使用的每项基准测试结果

每个分数都是来源发布的原始单一数值：Epoch AI 取其各运行设置中的最佳结果，OpenRouter 取托管服务商的中位数（若开发方自行托管并运行了测试，则取其自有托管的结果）。“隐含 SI-IQ”是该单项结果所对应的能力水平；总体 SI-IQ 是这些值按精度加权后的平均值。

基准测试	领域	得分	隐含 SI-IQ	评测方	来源中的列示名称	获取时间	来源
Chess Puzzles	推理	10.0%	96	Epoch AI	`claude-sonnet-4-5-20250929_59K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
Mystery Game Puzzles	推理	17.0%	109	Epoch AI	`claude-sonnet-4-5-20250929_48K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
FrontierMath Tier 4	数学	2.4%	109	Epoch AI	`claude-sonnet-4-5-20250929_32K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
FrontierMath Tiers 1–3	数学	23.9%	108	Epoch AI	`claude-sonnet-4-5-20250929_32K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
MATH Level 5	数学	97.7%	114	Epoch AI	`claude-sonnet-4-5-20250929_32K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
OTIS Mock AIME 2024–2025	数学	77.8%	106	Epoch AI	`claude-sonnet-4-5-20250929_59K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
SWE-bench Verified (Epoch AI run)	编程	71.3%	115	Epoch AI	`claude-sonnet-4-5-20250929`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
GPQA Diamond	知识	82.3%	110	Epoch AI	`claude-sonnet-4-5-20250929_59K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
GPQA Diamond (OpenRouter run)	知识	81.1%	113	OpenRouter	`anthropic/claude-4.5-sonnet-20250929` Anthropic · first-party provider (1 of 5 rows)	2026年10月18日	OpenRouter benchmark datasets · 数据文件
SimpleQA Verified	知识	30.7%	109	Epoch AI	`claude-sonnet-4-5-20250929_59K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
Berkeley Function Calling Leaderboard	智能体	73.2%	129	UC Berkeley (Gorilla)	`Claude-Sonnet-4-5-20250929 (FC)`	2026年10月18日	Berkeley Function Calling Leaderboard · 数据文件
τ²-bench Airline (OpenRouter run)	智能体	75.3%	130	OpenRouter	`anthropic/claude-4.5-sonnet-20250929` Anthropic · first-party provider (1 of 5 rows)	2026年10月18日	OpenRouter benchmark datasets · 数据文件

人类偏好（Arena）

在 Arena 排行榜上，用户会在两个匿名回答之间投票。Claude Sonnet 4.5 的评分为 1,455（1,452–1,458），共 82,688 票（发布于 2026年10月15日）。人类偏好与基准测试所衡量的能力是不同的指标，不计入 SI-IQ。 Arena (Hugging Face)

SI-IQ 相近的模型

模型	SI-IQ
Gemini 3.5 Flash-LiteGoogle DeepMind	109	Claude Sonnet 4.5 对比 Gemini 3.5 Flash-Lite
Qwen 3.6 35B-A3BAlibaba	111	Claude Sonnet 4.5 对比 Qwen 3.6 35B-A3B
Gemini 2.5 Pro (Jun 2025)Google DeepMind	108	Claude Sonnet 4.5 对比 Gemini 2.5 Pro (Jun 2025)
Qwen3-235B-A22B-Thinking (Jul 2025)Alibaba	111	Claude Sonnet 4.5 对比 Qwen3-235B-A22B-Thinking (Jul 2025)
MiniMax-M3MiniMax	108	Claude Sonnet 4.5 对比 MiniMax-M3

采用 SI-IQ 方法版本 1.0.0 计算。阅读完整方法论

数据来源: Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); API list prices via LiteLLM's price table (MIT); each price links to the developer's pricing page; Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter..