Anthropic logo

Claude Sonnet 4.6

Мультимодальная
Anthropic

Claude Sonnet 4.6 — полное обновление модели класса Sonnet с улучшениями в кодинге, управлении компьютером, рассуждении на длинном контексте, планировании агентов, работе со знаниями и дизайне. Пользователи предпочитали Sonnet 4.6 вместо Sonnet 4.5 примерно в 70% случаев. Первая модель класса Sonnet с контекстным окном 1M токенов (бета) и компактизацией контекста. Значительное улучшение навыков управления компьютером по сравнению с предыдущими моделями Sonnet.

Основные характеристики

Параметры
-
Контекст
200.0K
Дата выпуска
17 февраля 2026 г.
Индекс
36.6

Временная шкала

Ключевые даты в истории модели
Анонс
17 февраля 2026 г.
Последнее обновление
20 февраля 2026 г.
Сегодня
19 ноября 2026 г.

Технические характеристики

Параметры
-
Токены обучения
-
Граница знаний
-
Семейство
-
Возможности
МультимодальностьZeroEval

Ценообразование и доступность

Вход (за 1М токенов)
$3.00
Выход (за 1М токенов)
$15.00
Макс. входящих токенов
200.0K
Макс. исходящих токенов
64.0K
Поддерживаемые возможности
Вызов функцийСтруктурированный выводВыполнение кодаПоиск в интернетеПакетная обработкаДообучение

Результаты бенчмарков

Показатели производительности модели на различных тестах и бенчмарках

Программирование

Тесты на навыки программирования
SWE-bench Verified
SWE-bench Verified — бенчмарк для оценки способности модели решать реальные задачи из GitHub-репозиториев. • данные разработчика
79.6%

Рассуждения

Логические рассуждения и анализ
GPQA
GPQA Diamond — бенчмарк для оценки способности модели отвечать на вопросы уровня PhD по физике, биологии и химии. • данные разработчика
89.9%

Другие тесты

Специализированные бенчмарки
ARC-AGI v2
ARC-AGI v2 — бенчмарк для оценки способности к абстрактному рассуждению и обобщению. • данные разработчика
58.3%
MMMLU
MMMLU — многоязычная версия MMLU для оценки знаний модели на множестве языков. • данные разработчика
89.3%
CharXiv-R
CharXiv-R — бенчмарк для оценки способности модели понимать и рассуждать о графиках и диаграммах. • данные разработчика
74.7%
MMMU-Pro
MMMU-Pro — продвинутая версия MMMU для мультимодальной оценки на уровне экспертов. • данные разработчика
75.6%
HLE
HLE (Humanity's Last Exam) — бенчмарк из сложнейших вопросов, составленных экспертами для проверки пределов знаний ИИ. • данные разработчика
49.0%
SimpleQA
SimpleQA — бенчмарк для оценки фактической точности ответов модели на простые вопросы. • данные разработчика
72.5%
BrowseComp
Агентный поиск (BrowseComp). • данные разработчика
74.7%
DeepSWE 1.1
Таблица лидеров DeepSWE v1.1, обвязка mini-swe-agent, высокое усилие; Pass@1 30% ± 4%. • проверено
30.0%
Finance Agent
Агентный финансовый анализ (Finance Agent v1.1). • данные разработчика
63.3%
Finance Agent v2
• проверено
51.0%
Legal Agent Benchmark
All-pass rate (held-out набор Harvey) • проверено
5.4%
LiveBench
2026-01-08, Режим мышления, среднее усилие • проверено
75.5%
MCP Atlas
Масштабированное использование инструментов (MCP-Atlas). • данные разработчика
61.3%
OSWorld
Агентное использование компьютера (OSWorld-Verified). • данные разработчика
72.5%
Tau2 Retail
Оценка агентного использования инструментов (τ2-bench Retail). • данные разработчика
91.7%
Tau2 Telecom
Оценка агентного использования инструментов (τ2-bench Telecom). • данные разработчика
97.9%
Terminal-Bench 2.0
Агентное терминальное кодирование (Terminal-Bench 2.0). • данные разработчика
59.1%

Лицензия и метаданные

Лицензия
Проприетарная
Дата анонса
17 февраля 2026 г.
Последнее обновление
20 февраля 2026 г.

Claude Sonnet 4.6: плюсы и минусы

Плюсы

  • Большой контекст — 200K токенов
  • Понимает изображения, не только текст
  • Сильнее всего в тесте Tau2 Telecom — 97.9%

Минусы

  • Дорогой API — $3.00 за 1M входных токенов
  • Слабее в тесте Legal Agent Benchmark — 5.4%

Похожие модели

Все модели

Рекомендации основаны на схожести характеристик: организация-разработчик, мультимодальность, размер параметров и производительность в бенчмарках. Выберите модель для сравнения или перейдите к полному каталогу для просмотра всех доступных моделей ИИ.