SprachmodellAktiv

Claude Sonnet 4.5

Anthropic

Veröffentlicht: September 2025
Datenstand: 8. September 2026
Nachfolgermodell: Claude Sonnet 4.6

Geschwindigkeit: 43,8 Token/s
Ausgabe-Tempo
Preis: 3 $ · 15 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe: Text, Bild
Ausgabe: Text

Besonders an Claude Sonnet 4.5 war laut Anthropic die Computerbedienung. In der Veröffentlichung hob der Anbieter den OSWorld-Verified-Wert von 61,4 % hervor. Als Vorgänger von Claude Sonnet 4.6 zielte es auf komplexe Coding- und Agentenaufgaben.

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	ProprietärQuelle
Zugang	APIQuelle
Kontextfenster	200.000 TokenQuelle
Knowledge Cutoff	Januar 2025Quelle
Hinweise	Anthropic macht keine Angaben zur ParameteranzahlQuelle
API-Modellkennung	claude-sonnet-4-5-20250929Quelle
Status laut Quelle	active (legacy)Quelle
Veröffentlichung	2025-09-29Quelle
Maximale Ausgabe	64.000 TokenQuelle
Eingabe	Text, imagesQuelle
Ausgabe	TextQuelle
Reasoning-Modus	extended thinkingQuelle
Wissensstand	2025-01 reliable / 2025-07 trainingQuelle
Werkzeugaufrufe	JaQuelle
Strukturierte Ausgabe	JaQuelle

Veröffentlichte Benchmarks

Agentenaufgaben

BFCL v4

Overall

Berkeleys Function-Calling-Test verbindet einzelne und mehrstufige Tool-Aufrufe mit Websuche, Gedächtnis und Halluzinationsmessung. Der Gesamtscore ist ein ungewichteter Mix der Teilbereiche und hängt von nativem Function Calling oder Prompt-Workarounds ab.

1.Claude Opus 4.577,47 %

2.Claude Sonnet 4.573,24 %

höhere Werte sind besserStand 2. September 2026Skala: 0 % - 100 %

Quelle: Berkeley BFCL

gradually.ai

Methodik und Einordnung

Vergleichskohorte: bfcl-v4-f7cf735-overall
Messgröße: unweighted overall accuracy
Skala: 0-100
Teilnehmer: 2
Methodik und Einordnung: Ungewichteter Gesamtscore aus agentischen, mehrstufigen und einzelnen Function-Calling-Tests.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Modellstand: claude-sonnet-4-5-20250929-fc. Evaluator: Berkeley BFCL. Datensatztyp: public. Stand der Rangliste: 2026-04-12. Quellenkennung: berkeley-bfcl. Kennung der Evidenzaufnahme: curated-berkeley-bfcl-2026-09-02-171020422eb3. Prüfsumme der Quelldaten: 171020422eb31aa497dbf9dd95b72c153c0db68a3eceec63a4c059bade96f4c2. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Berkeley BFCL

Agent Poker Bench

Overall

1.GPT-51.103,18 Bewertung

2.Gemini 3 Flash Preview1.100,21 Bewertung

3.DeepSeek-V3.11.058,23 Bewertung

4.Claude Sonnet 4.51.055,5 Bewertung

5.Claude Opus 4.51.033,38 Bewertung

6.Gemini 2.5 Pro1.032,6 Bewertung

7.GPT OSS 120B1.015,33 Bewertung

8.Kimi K2 Thinking1.011,63 Bewertung

9.GLM-4.6945,76 Bewertung

höhere Werte sind besserStand 29. September 2026Skala: 0 Bewertung - 1.103,18 Bewertung

Quelle: Vals AI

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-poker-agent:1:overall
Messgröße: TrueSkill rating
Skala: Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
Teilnehmer: 9
Methodik und Einordnung: Kennung des Quellmodells: anthropic/claude-sonnet-4-5-20250929. Name des Quellmodells: Claude Sonnet 4.5. Modellstand: claude-sonnet-4-5-20250929. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2025-12-23. Latenz in Sekunden: 16.67560795007542. Standardfehler: 0. Kosten je Aufgabe in USD: 0.027591309991158296. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-poker_agent-2026-09-29-f29b75137483. Prüfsumme der Quelldaten: f29b751374830275dd1fba4c8a4f029b69433858ae99420aa90befe3093d0096. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Programmieren

CORE-Bench Hard

Automatic validation

45 öffentliche Aufgaben zur Reproduktion von Forschungsergebnissen mit Code, Daten und Abhängigkeiten. Automatische und manuell geprüfte Werte sind verschiedene Metriken. Das Agentengerüst beeinflusst den Score stark.

1.Claude Opus 4.577,78 %

2.Claude Sonnet 4.562,22 %

höhere Werte sind besserStand 6. August 2026Skala: 0 % - 100 %

Quelle: Princeton HAL

gradually.ai

Methodik und Einordnung

Vergleichskohorte: hal-corebench-hard-claude-code-automatic
Messgröße: automatic accuracy
Skala: 0-100
Teilnehmer: 2
Methodik und Einordnung: Claude Code auf 45 öffentlichen Paper-Reproduktionen. Kosten sind durch 45 geteilt.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Princeton HAL. Datensatztyp: public. Harness: Claude Code. Agent: Claude Code. Kosten je Aufgabe in USD: 1.5184444444444445. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-06-d289e35e619a. Prüfsumme der Quelldaten: d289e35e619aac7b28355c86830d55c245fc6b287e2327069860ac0522c95e8b. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Princeton HAL

SciCode

Accuracy

65 wissenschaftliche Programmierprobleme mit 338 Teilproblemen aus 16 Forschungsgebieten. Zero Shot, Tool Calling und HAL Generalist sind nicht direkt miteinander vergleichbar.

1.o39,23 %

2.GPT-56,15 %

3.Claude Sonnet 4.53,08 %

4.GPT-4.11,54 %

höhere Werte sind besserStand 5. August 2026Skala: 0 % - 100 %

Quelle: Princeton HAL

gradually.ai

Methodik und Einordnung

Vergleichskohorte: hal-scicode-scicode-tool-calling-overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 4
Methodik und Einordnung: SciCode Tool Calling auf 65 wissenschaftlichen Hauptproblemen. Kosten sind durch 65 geteilt.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Princeton HAL. Datensatztyp: public. Harness: SciCode Tool Calling. Agent: SciCode Tool Calling. Kosten je Aufgabe in USD: 1.6044615384615386. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-05-c67a4c4ed842. Prüfsumme der Quelldaten: c67a4c4ed8428dfb71febdf30c9d21b46b0644189ef4d4de5ce334f3f2edc12c. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Princeton HAL

Cybersicherheit

MT-AgentRisk

Attack success rate

365 schädliche Sequenzen prüfen Sicherheitsrisiken bei mehrstufiger Werkzeugnutzung. Eine niedrigere Angriffs-Erfolgsrate ist besser. Kompetenz und Sicherheit sind getrennte Größen.

Hinweis (Claude Sonnet 4.5): Tabelle 4 nennt für die Ablehnungsquote 15,43 %. Tabelle 9 desselben Papers nennt 15,34 %. Hier steht der Wert aus der direkten Einzel-gegen-Mehrfachdialog-Tabelle.

1.Claude Sonnet 4.571,78 %

2.Gemini 3 Flash Preview78,9 %

3.DeepSeek-V3.284,93 %

niedrigere Werte sind besserStand 9. August 2026Skala: 0 % - 100 %

Quelle: MT-AgentRisk

gradually.ai

Methodik und Einordnung

Vergleichskohorte: mt-agent-risk:multi-turn:asr
Messgröße: attack success rate
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: OpenHands ohne Schutzschicht, GPT-4.1 als Juror. Einzel- und Mehrfachdialog bleiben getrennt.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: MT-AgentRisk. Datensatztyp: public. Stand der Rangliste: 2026-02-13. Harness: OpenHands. Quellenkennung: mt-agent-risk. Kennung der Evidenzaufnahme: curated-mt-agent-risk-2026-08-09-f550ff9bf634. Prüfsumme der Quelldaten: f550ff9bf6346dc509fb04e302b64acda7943dd7e5863a5ca3206286480a11a5. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: MT-AgentRisk

MT-AgentRisk

Refusal rate

365 schädliche Sequenzen prüfen Sicherheitsrisiken bei mehrstufiger Werkzeugnutzung. Eine niedrigere Angriffs-Erfolgsrate ist besser. Kompetenz und Sicherheit sind getrennte Größen.

Hinweis (Claude Sonnet 4.5): Tabelle 4 nennt für die Ablehnungsquote 15,43 %. Tabelle 9 desselben Papers nennt 15,34 %. Hier steht der Wert aus der direkten Einzel-gegen-Mehrfachdialog-Tabelle.

1.Claude Sonnet 4.515,43 %

2.Gemini 3 Flash Preview6,03 %

3.DeepSeek-V3.21,1 %

höhere Werte sind besserStand 9. August 2026Skala: 0 % - 100 %

Quelle: MT-AgentRisk

gradually.ai

Methodik und Einordnung

Vergleichskohorte: mt-agent-risk:multi-turn:refusal
Messgröße: refusal rate
Skala: 0-100
Teilnehmer: 3
Methodik und Einordnung: OpenHands ohne Schutzschicht, GPT-4.1 als Juror. Einzel- und Mehrfachdialog bleiben getrennt.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: MT-AgentRisk. Datensatztyp: public. Stand der Rangliste: 2026-02-13. Harness: OpenHands. Quellenkennung: mt-agent-risk. Kennung der Evidenzaufnahme: curated-mt-agent-risk-2026-08-09-9e7ba7aa3157. Prüfsumme der Quelldaten: 9e7ba7aa3157bc30470265facc4bb25edf1a9b2f6cf7b733102470330ed4b034. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: MT-AgentRisk

MultiChallenge

Overall

Mehrstufige Gespräche prüfen Erinnern, Anweisungsbindung, versionierte Überarbeitung und innere Konsistenz. Die Aufgaben wurden anhand gemeinsamer Fehler sechs älterer Spitzenmodelle ausgewählt und können diese Modelle benachteiligen.

1.Gemini 3.1 Pro Preview71,37 %

2.GPT-5.4 Pro69,23 %

3.GPT-563,19 %

4.o3-pro62,4 %

5.Claude Opus 4.558,97 %

6.o356,62 %

7.Claude Opus 4.656,02 %

8.Claude Sonnet 4.555,32 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-multichallenge-overall
Messgröße: rubric pass rate
Skala: 0-100
Teilnehmer: 8
Methodik und Einordnung: Mehrstufige Gespräche mit binären, aufgabenspezifischen Rubriken.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: thinking. Angezeigter Wert: 55,32 % ± 1,47. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-93c4c6df84ba. Prüfsumme der Quelldaten: 93c4c6df84baa57ecc302765b454f1d1d402750d6ee8968f2085772a44e192b1. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

Finanzen

PRBench Finance

Overall

600 realistische Finanzfragen mit gewichteten Kriterien, davon 300 im schwierigen Teildatensatz. Ein o4-mini-Juror bewertet die Antworten. Fachliche Richtigkeit und praktische Verlässlichkeit bleiben deshalb getrennte Fragen.

1.Claude Fable 553,86 %

2.Claude Opus 4.653,28 %

3.GPT-551,32 %

4.GPT-5 Pro51,06 %

5.GPT-5.6 Sol50,45 %

6.o3-pro49,08 %

7.o347,69 %

8.Claude Opus 4.546,16 %

9.GPT-5.445,63 %

10.Claude Sonnet 4.543,79 %

11.Gemini 3.1 Pro Preview41,87 %

12.o4-mini39,22 %

13.Gemini 2.5 Pro38,92 %

14.Gemini 2.5 Flash38,41 %

15.GPT-4.134,32 %

16.Llama 4 Maverick22,36 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-prbench-finance-full
Messgröße: weighted rubric score
Skala: 0-100
Teilnehmer: 16
Methodik und Einordnung: 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 43,79 % ± 0,4. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-db93e34ac02d. Prüfsumme der Quelldaten: db93e34ac02d5628c3ec931b3f6d17257e1b7695c21cf8aee846e136474ca9b9. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

CorpFin v2

Overall

1.Claude Opus 573,19 %

2.Claude Fable 571,83 %

3.Kimi K371,56 %

4.Inkling Small69,62 %

5.Inkling68,57 %

6.Grok 4.368,53 %

7.GPT-5.568,42 %

8.Kimi K2.568,26 %

9.MiniMax M368,1 %

10.Grok 4.567,41 %

11.Claude Sonnet 566,98 %

12.Kimi K2.666,74 %

13.Claude Opus 4.866,71 %

14.Gemini 3 Flash Preview66,43 %

15.Grok 4.666,16 %

16.GLM-5.266,12 %

17.Claude Opus 4.766,08 %

18.Qwen 3.8 Max 090265,85 %

19.Nemotron 3 Ultra65,46 %

20.Claude Sonnet 4.665,31 %

20.GPT-5.6 Terra65,31 %

22.GPT-5.465,27 %

23.Gemini 3.5 Flash64,69 %

24.Gemini 3.1 Pro Preview64,49 %

25.GLM-5.164,45 %

26.GPT-5.6 Sol64,38 %

27.GPT-5.6 Luna64,22 %

28.Qwen 3.7 Max63,71 %

29.Grok 4.20 Reasoning63,68 %

30.Gemini 3.6 Flash63,33 %

31.GPT-4.163,05 %

32.GLM-562,9 %

33.Qwen 3.6 27B62,32 %

34.Ling 3.0 Flash61,93 %

35.MiMo-V2.5-Pro61,42 %

36.DeepSeek-V4-Pro61,38 %

37.Claude Opus 4.561,31 %

38.GPT-5.4 nano61,19 %

38.MiniMax M2.761,19 %

40.GPT-561,07 %

41.Mistral Large 361,03 %

42.GLM-4.560,96 %

43.GPT-5.4 mini60,92 %

44.Claude Sonnet 4.560,8 %

44.Gemini 2.5 Pro60,8 %

46.Gemini 3.5 Flash-Lite60,68 %

47.Kimi K2 Thinking60,57 %

48.Claude Haiku 4.560,3 %

49.GPT-5 mini60,18 %

50.MiMo-V2.559,91 %

51.o359,71 %

52.MiniMax M2.559,6 %

53.Gemini 3.1 Flash-Lite59,36 %

54.o4-mini58,97 %

55.MiniMax M2.158,9 %

56.Mistral Medium 3.558,78 %

57.GPT OSS 120B58,24 %

58.GPT-4.1 mini57,93 %

59.GLM-4.656,84 %

60.DeepSeek-V3 032454,74 %

61.Trinity Large Thinking54,66 %

62.Nemotron 3.5 Lightning54,24 %

63.DeepSeek-R154,12 %

64.GPT OSS 20B53,15 %

65.DeepSeek-V352,49 %

66.DeepSeek-V3.151,48 %

67.Kimi K2 071150,39 %

68.DeepSeek-V3.247,94 %

69.Llama 4 Scout46,78 %

70.GLM-4.746,39 %

71.Command A45,96 %

72.GPT-4o mini45,46 %

73.o3-mini45,3 %

74.Mistral Small 3.144,17 %

75.GPT-4.1 nano42,08 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 75
Methodik und Einordnung: Kennung des Quellmodells: anthropic/claude-sonnet-4-5-20250929. Name des Quellmodells: Claude Sonnet 4.5. Modellstand: claude-sonnet-4-5-20250929. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 13.383. Kosten je Aufgabe in USD: 0.237245. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

PRBench Legal

Overall

500 realistische Rechtsfragen mit gewichteten Kriterien aus unterschiedlichen Ländern und Rechtsgebieten. Der Benchmark misst professionelle Antwortqualität, ersetzt aber weder Rechtsprüfung noch menschliche Verantwortung.

1.Claude Fable 552,56 %

2.Claude Opus 4.652,27 %

3.GPT-5.6 Sol50,5 %

4.GPT-5 Pro49,89 %

5.o3-pro49,67 %

6.GPT-548,96 %

7.o348,57 %

8.GPT-5.444,35 %

9.Claude Opus 4.544,21 %

10.Gemini 3.1 Pro Preview44,02 %

11.Gemini 2.5 Pro41,43 %

12.Gemini 2.5 Flash41,02 %

13.Claude Sonnet 4.540,84 %

14.o4-mini38,11 %

15.GPT-4.136,48 %

16.Llama 4 Maverick24,84 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-prbench-legal-full
Messgröße: weighted rubric score
Skala: 0-100
Teilnehmer: 16
Methodik und Einordnung: 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 40,84 % ± 0,4. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-cfd9f8c7d859. Prüfsumme der Quelldaten: cfd9f8c7d85930ec8d7acf7515a8200c29b116b3913b0affc48e4e68b3103115. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

Gesundheit

MedCode

Overall

1.Claude Opus 563,57 %

2.Gemini 3.1 Pro Preview59,06 %

3.Claude Fable 556,07 %

4.Gemini 3 Flash Preview55,92 %

5.Gemini 3.5 Flash55,83 %

6.Claude Opus 4.754,86 %

7.Claude Fable 5.153,51 %

8.Gemini 3.7 Flash53,39 %

9.Claude Opus 4.853,22 %

10.Gemini 3.6 Flash53,15 %

11.Claude Sonnet 5.552,92 %

12.Gemini 2.5 Pro50,59 %

13.Claude Opus 5.549,8 %

14.GPT-549,63 %

15.Grok 4.749,55 %

16.GPT-5.549,1 %

17.Kimi K348,88 %

18.GPT-6 Astra48,49 %

19.Claude Opus 4.648,24 %

20.Gemini 3.8 Flash48,14 %

21.Gemini 3.1 Flash-Lite47,6 %

22.Claude Sonnet 547,54 %

23.o347,29 %

24.GPT-6 Sol47,07 %

25.MiniMax M346,29 %

26.Claude Opus 4.545,17 %

27.Grok 4.644,71 %

28.GPT-6 Luna44,69 %

29.GPT-5.6 Sol43,97 %

30.Gemini 3.5 Flash-Lite43,49 %

31.GPT-5.6 Terra43,41 %

32.Grok 4.543,29 %

33.GPT-5 mini43,05 %

34.GLM-5.342,86 %

35.GPT-5.6 Luna42,39 %

36.GLM-5.141,6 %

37.GPT-5.441,29 %

38.Inkling41,19 %

39.DeepSeek-V4.1-Flash41,17 %

40.GPT-5.4 nano41,03 %

41.GLM-5.240,77 %

42.Qwen 3.8 Max 090240,67 %

43.Claude Sonnet 4.540,57 %

44.DeepSeek-V4-Pro40,46 %

45.Kimi K2.640,14 %

46.Kimi K2.539,32 %

47.Qwen 3.7 Max38,75 %

48.Nemotron 3 Ultra38,62 %

49.Grok 4.338,07 %

50.Inkling Small37,89 %

51.MiniMax M2.734,44 %

52.MiniMax M2.134,08 %

53.o4-mini33,79 %

54.Mistral Medium 3.533,75 %

55.GLM-4.732,77 %

56.MiMo-V2.5-Pro32,48 %

57.Ling 3.0 Flash32,28 %

58.Grok 4.20 Reasoning32,16 %

59.MiMo-V2.531,9 %

60.Mercury 2.531,33 %

61.GPT-5 nano30,44 %

62.Qwen 3.8 27B28,7 %

63.Gemini 2.5 Flash-Lite27,12 %

64.Llama 4 Scout23,31 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-medcode:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 64
Methodik und Einordnung: Kennung des Quellmodells: anthropic/claude-sonnet-4-5-20250929. Name des Quellmodells: Claude Sonnet 4.5. Modellstand: claude-sonnet-4-5-20250929. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-26. Latenz in Sekunden: 12.006. Kosten je Aufgabe in USD: 0.042403. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medcode-2026-09-29-7062229b5ab4. Prüfsumme der Quelldaten: 7062229b5ab4a5e16f014a78fd550f9f34e7147be6be796b610ab1ca3de055ab. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

MedScribe

Overall

1.Claude Opus 5.591,43 %

2.Claude Fable 5.191,29 %

3.Claude Sonnet 5.591,1 %

4.Claude Opus 590,99 %

5.Grok 4.789,38 %

6.GLM-5.3-Flash88,94 %

7.GLM-5.388,81 %

8.Claude Fable 588,52 %

9.Kimi K387,96 %

10.GPT-6 Astra87,91 %

11.MiniMax M387,25 %

12.Grok 4.586,88 %

13.GPT-5.586,87 %

14.Claude Opus 4.686,74 %

15.Grok 4.686,53 %

16.Claude Opus 4.885,76 %

17.DeepSeek-V4.1-Flash85,5 %

18.Inkling85,41 %

19.GPT-5.6 Sol85,23 %

20.Qwen 3.8 Max 090284,95 %

21.Claude Sonnet 4.584,52 %

22.Gemini 3.8 Flash84,5 %

23.GPT-5.6 Luna84,39 %

24.Inkling Small84,11 %

25.Gemini 3.7 Flash83,94 %

26.Qwen 3.8 27B83,85 %

27.MiMo-V2.5-Pro83,73 %

28.GPT-6 Luna83,71 %

29.GPT-583,65 %

30.GLM-5.283,53 %

31.Claude Opus 4.583,25 %

32.Claude Opus 4.782,95 %

33.GPT-5.6 Terra82,87 %

34.GPT-6 Sol82,03 %

35.Ling 3.0 Flash80,9 %

36.MiniMax M2.180,78 %

37.GPT-5 mini80,58 %

38.MiniMax M2.779,87 %

39.Gemini 3.6 Flash79,66 %

40.Qwen 3.7 Max79,4 %

41.Kimi K2.678,15 %

42.GPT-5.477,55 %

43.GPT-5.4 nano77,09 %

44.o376,65 %

45.Gemini 3.5 Flash76,57 %

46.Kimi K2.576,44 %

47.Gemini 3.1 Pro Preview76,11 %

48.Claude Sonnet 576,05 %

49.DeepSeek-V4-Pro75,14 %

50.Grok 4.374,4 %

51.Gemini 2.5 Pro73,55 %

52.GPT-5 nano72,87 %

53.Gemini 2.5 Flash-Lite72,83 %

54.GLM-5.172,27 %

55.MiMo-V2.572,15 %

56.Gemini 3.5 Flash-Lite70,89 %

57.Gemini 3 Flash Preview69,92 %

58.o4-mini69,14 %

59.GLM-4.768,63 %

60.Mistral Medium 3.567,73 %

61.Gemini 3.1 Flash-Lite63,9 %

62.Grok 4.20 Reasoning63,41 %

63.Mercury 2.555,09 %

64.Llama 4 Scout50,59 %

65.Nemotron 3.5 Lightning4,27 %

höhere Werte sind besserStand 29. September 2026Skala: 0 % - 100 %

Quelle: Vals AI

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-medscribe:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 65
Methodik und Einordnung: Kennung des Quellmodells: anthropic/claude-sonnet-4-5-20250929. Name des Quellmodells: Claude Sonnet 4.5. Modellstand: claude-sonnet-4-5-20250929. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-26. Latenz in Sekunden: 44.419. Kosten je Aufgabe in USD: 0.054649. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medscribe-2026-09-29-6533d95c8055. Prüfsumme der Quelldaten: 6533d95c80553d2dd26927f7269ab6454c589d2181f1858c662a4f493b5685c7. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle: Vals AI

Dokumentierte Messdetails

BFCL v4: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 73.24
Bewertung: 73.24
Messgröße: unweighted overall accuracy
Einheit: %
Benchmark-Version: v4, commit f7cf735
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: bfcl-v4-f7cf735-overall
Quellentyp: official-leaderboard
Auswertung: Berkeley BFCL
Status: active
Abrufdatum: 2026-09-02
Methodik: Ungewichteter Gesamtscore aus agentischen, mehrstufigen und einzelnen Function-Calling-Tests.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Modellstand: claude-sonnet-4-5-20250929-fc. Evaluator: Berkeley BFCL. Datensatztyp: public. Stand der Rangliste: 2026-04-12. Quellenkennung: berkeley-bfcl. Kennung der Evidenzaufnahme: curated-berkeley-bfcl-2026-09-02-171020422eb3. Prüfsumme der Quelldaten: 171020422eb31aa497dbf9dd95b72c153c0db68a3eceec63a4c059bade96f4c2. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Ungewichteter Gesamtscore aus agentischen, mehrstufigen und einzelnen Function-Calling-Tests.

Quelle Berkeley BFCL

CORE-Bench Hard: Automatic validation (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 62.22
Bewertung: 62.22
Messgröße: automatic accuracy
Einheit: %
Benchmark-Version: 45-paper public hard set
Kategorie: coding
Aufgabe: automatic
Aufgabenbezeichnung: Automatic validation
Richtung: Mehr ist besser
Vergleichskohorte: hal-corebench-hard-claude-code-automatic
Quellentyp: independent-evaluator
Auswertung: Princeton HAL
Status: active
Abrufdatum: 2026-08-06
Methodik: Claude Code auf 45 öffentlichen Paper-Reproduktionen. Kosten sind durch 45 geteilt.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Princeton HAL. Datensatztyp: public. Harness: Claude Code. Agent: Claude Code. Kosten je Aufgabe in USD: 1.5184444444444445. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-06-d289e35e619a. Prüfsumme der Quelldaten: d289e35e619aac7b28355c86830d55c245fc6b287e2327069860ac0522c95e8b. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Claude Code auf 45 öffentlichen Paper-Reproduktionen. Kosten sind durch 45 geteilt.

Quelle Princeton HAL

SciCode: Accuracy (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 3.08
Bewertung: 3.08
Messgröße: accuracy
Einheit: %
Benchmark-Version: 65-problem main set
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Accuracy
Richtung: Mehr ist besser
Vergleichskohorte: hal-scicode-scicode-tool-calling-overall
Quellentyp: independent-evaluator
Auswertung: Princeton HAL
Status: active
Abrufdatum: 2026-08-05
Methodik: SciCode Tool Calling auf 65 wissenschaftlichen Hauptproblemen. Kosten sind durch 65 geteilt.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Princeton HAL. Datensatztyp: public. Harness: SciCode Tool Calling. Agent: SciCode Tool Calling. Kosten je Aufgabe in USD: 1.6044615384615386. Quellenkennung: princeton-hal. Kennung der Evidenzaufnahme: curated-princeton-hal-2026-08-05-c67a4c4ed842. Prüfsumme der Quelldaten: c67a4c4ed8428dfb71febdf30c9d21b46b0644189ef4d4de5ce334f3f2edc12c. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: SciCode Tool Calling auf 65 wissenschaftlichen Hauptproblemen. Kosten sind durch 65 geteilt.

Quelle Princeton HAL

MT-AgentRisk: Attack success rate (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 71.78
Bewertung: 71.78
Messgröße: attack success rate
Einheit: %
Benchmark-Version: ICML 2026 paper
Kategorie: cybersecurity
Aufgabe: asr
Aufgabenbezeichnung: Attack success rate
Richtung: Weniger ist besser
Vergleichskohorte: mt-agent-risk:multi-turn:asr
Quellentyp: independent-evaluator
Auswertung: MT-AgentRisk
Status: active
Abrufdatum: 2026-08-09
Methodik: OpenHands ohne Schutzschicht, GPT-4.1 als Juror. Einzel- und Mehrfachdialog bleiben getrennt.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: MT-AgentRisk. Datensatztyp: public. Stand der Rangliste: 2026-02-13. Harness: OpenHands. Quellenkennung: mt-agent-risk. Kennung der Evidenzaufnahme: curated-mt-agent-risk-2026-08-09-f550ff9bf634. Prüfsumme der Quelldaten: f550ff9bf6346dc509fb04e302b64acda7943dd7e5863a5ca3206286480a11a5. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: OpenHands ohne Schutzschicht, GPT-4.1 als Juror. Einzel- und Mehrfachdialog bleiben getrennt.
Einordnung: Tabelle 4 nennt für die Ablehnungsquote 15,43 %. Tabelle 9 desselben Papers nennt 15,34 %. Hier steht der Wert aus der direkten Einzel-gegen-Mehrfachdialog-Tabelle.

Quelle MT-AgentRisk

MT-AgentRisk: Refusal rate (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 15.43
Bewertung: 15.43
Messgröße: refusal rate
Einheit: %
Benchmark-Version: ICML 2026 paper
Kategorie: cybersecurity
Aufgabe: refusal
Aufgabenbezeichnung: Refusal rate
Richtung: Mehr ist besser
Vergleichskohorte: mt-agent-risk:multi-turn:refusal
Quellentyp: independent-evaluator
Auswertung: MT-AgentRisk
Status: active
Abrufdatum: 2026-08-09
Methodik: OpenHands ohne Schutzschicht, GPT-4.1 als Juror. Einzel- und Mehrfachdialog bleiben getrennt.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: MT-AgentRisk. Datensatztyp: public. Stand der Rangliste: 2026-02-13. Harness: OpenHands. Quellenkennung: mt-agent-risk. Kennung der Evidenzaufnahme: curated-mt-agent-risk-2026-08-09-9e7ba7aa3157. Prüfsumme der Quelldaten: 9e7ba7aa3157bc30470265facc4bb25edf1a9b2f6cf7b733102470330ed4b034. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: OpenHands ohne Schutzschicht, GPT-4.1 als Juror. Einzel- und Mehrfachdialog bleiben getrennt.
Einordnung: Tabelle 4 nennt für die Ablehnungsquote 15,43 %. Tabelle 9 desselben Papers nennt 15,34 %. Hier steht der Wert aus der direkten Einzel-gegen-Mehrfachdialog-Tabelle.

Quelle MT-AgentRisk

MultiChallenge: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 55.32
Bewertung: 55.32
Messgröße: rubric pass rate
Einheit: %
Benchmark-Version: four multi-turn challenge types
Kategorie: productivity
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-multichallenge-overall
Konfidenzintervall: 1.47
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: Mehrstufige Gespräche mit binären, aufgabenspezifischen Rubriken.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Reasoning-Stufe: thinking. Angezeigter Wert: 55,32 % ± 1,47. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-93c4c6df84ba. Prüfsumme der Quelldaten: 93c4c6df84baa57ecc302765b454f1d1d402750d6ee8968f2085772a44e192b1. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Mehrstufige Gespräche mit binären, aufgabenspezifischen Rubriken.

Quelle Scale AI

PRBench Finance: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 43.79
Bewertung: 43.79
Messgröße: weighted rubric score
Einheit: %
Benchmark-Version: full finance set
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-prbench-finance-full
Konfidenzintervall: 0.4
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 43,79 % ± 0,4. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-db93e34ac02d. Prüfsumme der Quelldaten: db93e34ac02d5628c3ec931b3f6d17257e1b7695c21cf8aee846e136474ca9b9. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.

Quelle Scale AI

PRBench Legal: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 40.84
Bewertung: 40.84
Messgröße: weighted rubric score
Einheit: %
Benchmark-Version: full legal set
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-prbench-legal-full
Konfidenzintervall: 0.4
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/claude-sonnet-4.5. Name des Quellmodells: Claude Sonnet 4.5. Anbieter laut Quelle: Anthropic. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 40,84 % ± 0,4. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-cfd9f8c7d859. Prüfsumme der Quelldaten: cfd9f8c7d85930ec8d7acf7515a8200c29b116b3913b0affc48e4e68b3103115. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.

Quelle Scale AI

CorpFin v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 60.8
Bewertung: 60.8
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: anthropic/claude-sonnet-4-5-20250929. Name des Quellmodells: Claude Sonnet 4.5. Modellstand: claude-sonnet-4-5-20250929. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 13.383. Kosten je Aufgabe in USD: 0.237245. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-29-83186cfafe52. Prüfsumme der Quelldaten: 83186cfafe526f0b8fe2ae86af05e8209fe799c8bfa48292ef1fef5db66650ee. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

MedCode: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 40.569
Bewertung: 40.569
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: health
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-medcode:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: anthropic/claude-sonnet-4-5-20250929. Name des Quellmodells: Claude Sonnet 4.5. Modellstand: claude-sonnet-4-5-20250929. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-26. Latenz in Sekunden: 12.006. Kosten je Aufgabe in USD: 0.042403. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medcode-2026-09-29-7062229b5ab4. Prüfsumme der Quelldaten: 7062229b5ab4a5e16f014a78fd550f9f34e7147be6be796b610ab1ca3de055ab. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

MedScribe: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 84.515
Bewertung: 84.515
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: health
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-medscribe:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: anthropic/claude-sonnet-4-5-20250929. Name des Quellmodells: Claude Sonnet 4.5. Modellstand: claude-sonnet-4-5-20250929. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-26. Latenz in Sekunden: 44.419. Kosten je Aufgabe in USD: 0.054649. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medscribe-2026-09-29-6533d95c8055. Prüfsumme der Quelldaten: 6533d95c80553d2dd26927f7269ab6454c589d2181f1858c662a4f493b5685c7. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Agent Poker Bench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 1055.504459218733
Bewertung: 1055.504459218733
Messgröße: TrueSkill rating
Einheit: rating
Benchmark-Version: 1
Kategorie: agentic
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-poker-agent:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-29
Methodik: Kennung des Quellmodells: anthropic/claude-sonnet-4-5-20250929. Name des Quellmodells: Claude Sonnet 4.5. Modellstand: claude-sonnet-4-5-20250929. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2025-12-23. Latenz in Sekunden: 16.67560795007542. Standardfehler: 0. Kosten je Aufgabe in USD: 0.027591309991158296. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-poker_agent-2026-09-29-f29b75137483. Prüfsumme der Quelldaten: f29b751374830275dd1fba4c8a4f029b69433858ae99420aa90befe3093d0096. Parserversion: vals-astro-v2. Importiert am: 2026-09-29

Quelle Vals AI

Seite 1 von 4

Vorgänger und Nachfolger

Quellen und Datenstand

Art	Nachweis und Datenstand
Geschwindigkeit	Anthropic, Non-reasoning. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Bei Artificial Analysis als veraltet eingeordnet. Artificial Analysis pflegt dort nur noch den Standard-Workload mit 10.000 Eingabe-Token. Abgerufen am 8. September 2026. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Sonnet 4.5 model overview · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Sonnet 4.5 model overview · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	parameters-billions Originalwortlaut Anthropic does not publish parameter counts for this model.
In den geprüften Quellen nicht gefunden	active-parameters-billions Originalwortlaut Anthropic does not publish active parameter counts for this model.
Weitere Quelle	Modellmetadaten
Weitere Quelle	Kontextfenster-Daten
Weitere Quelle	Berkeley BFCL (abgerufen 2. September 2026)
Weitere Quelle	Princeton HAL (abgerufen 5. August 2026)
Weitere Quelle	Princeton HAL (abgerufen 6. August 2026)
Weitere Quelle	Princeton HAL (abgerufen 5. August 2026)
Weitere Quelle	Princeton HAL (abgerufen 6. August 2026)
Weitere Quelle	Princeton HAL (abgerufen 5. August 2026)
Weitere Quelle	MCP-Universe (abgerufen 9. August 2026)
Weitere Quelle	MT-AgentRisk (abgerufen 9. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Vals AI (abgerufen 29. September 2026)
Weitere Quelle	Anthropic (abgerufen 8. September 2026) · Anthropic, Introducing Claude Sonnet 4.5 · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0
Weitere Quelle	Anthropic "Introducing Claude Sonnet 4.6" announcement (2026-09-19)

Claude Sonnet 4.5

Technische Daten und Zugang

Veröffentlichte Benchmarks

Agentenaufgaben

BFCL v4

Agent Poker Bench

Programmieren

CORE-Bench Hard

SciCode

Cybersicherheit

MT-AgentRisk

MT-AgentRisk

MultiChallenge

Finanzen

PRBench Finance

CorpFin v2

PRBench Legal

Gesundheit

MedCode

MedScribe

Dokumentierte Messdetails

Unsere Tests

SVG-Kurztest

Claude Sonnet 4.5

Pelikan auf dem Fahrrad

Beliebtheit

Veröffentlichte Preise

Dieses Modell im Vergleich

Vorgänger und Nachfolger

Quellen und Datenstand