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 有多聪明？

97 SI-IQ · 90% 区间 93–101
在 80 个已排名模型中位列第 70 · 可能的名次区间 66–73

Claude Sonnet 4 是 Anthropic 于 2025年5月22日发布的模型。其 SI-IQ 为 97（90% 区间 93–101），由 3 家独立评测方的 5 项基准测试结果估算得出。

基本信息

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
MATH Level 5	数学	84.4%	89	Epoch AI	`claude-sonnet-4-20250514`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
OTIS Mock AIME 2024–2025	数学	71.1%	103	Epoch AI	`claude-sonnet-4-20250514_32K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
Aider Polyglot	编程	61.3%	103	Aider	`claude-sonnet-4-20250514 (32k thinking)`	2026年10月18日	Aider LLM Leaderboards · 数据文件
GPQA Diamond	知识	79.2%	106	Epoch AI	`claude-sonnet-4-20250514_59K`	2026年10月18日	Epoch AI Benchmarking Hub · 数据文件
GPQA Diamond (OpenRouter run)	知识	76.7%	106	OpenRouter	`anthropic/claude-4-sonnet-20250522` Google · median over providers (2 of 2 rows), lower median	2026年10月18日	OpenRouter benchmark datasets · 数据文件
τ²-bench Airline (OpenRouter run)	智能体	64.0%	110	OpenRouter	`anthropic/claude-4-sonnet-20250522` Amazon Bedrock · median over providers (2 of 2 rows), lower median	2026年10月18日	OpenRouter benchmark datasets · 数据文件

在 Arena 排行榜上，用户会在两个匿名回答之间投票。Claude Sonnet 4 的评分为 1,402（1,397–1,406），共 34,132 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)

模型	SI-IQ
Claude Opus 4Anthropic	98	Claude Sonnet 4 对比 Claude Opus 4
Claude 3.7 SonnetAnthropic	99	Claude Sonnet 4 对比 Claude 3.7 Sonnet
Qwen3-32BAlibaba	95	Claude Sonnet 4 对比 Qwen3-32B
GPT-4.1 miniOpenAI	91	Claude Sonnet 4 对比 GPT-4.1 mini
GPT-4.1OpenAI	91	Claude Sonnet 4 对比 GPT-4.1

采用 SI-IQ 方法版本 1.0.0 计算。阅读完整方法论