Claude Sonnet 4.6
Claude Sonnet 4.6 ist Anthropics aktualisiertes Sonnet-Modell für Coding, Computer-Use-nahe Agenten-Workflows und professionelle Wissensarbeit. Offiziell angekündigt wurden ein 1M-Kontextfenster in Beta, bessere Leistung in größeren Codebasen sowie unverändertes Pricing von $3 Input und $15 Output pro 1M Tokens. Das Modell bleibt proprietär, multimodal für Text-/Bildeingaben und über Anthropic sowie große Cloud-Plattformen verfügbar.
- Proprietär
- Frontier
- API
- General
- Vision-Capable
- Agentic
- Long-Context
- Thinking-Optional
- Interactive
Sovereign Risk: MEDIUM Anthropic ist ein US-Anbieter; relevante Risiken betreffen Cloud-Verarbeitung unter US-Recht, da keine offenen Gewichte vorliegen.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 78.06
- Routine
- 48.65
- Reasoning
- 29.41
- LLM Judge Avg
- 3.95 / 5
- 100% Coverage
- Avg Task Duration
- 28.9s
- ️ Interactive
- Token Rate
- 49.88tok/s
- Output Rate
- P95 Latency
- 73.06s
- Top 5 %
- Total Tokens
- 89.9K
- Output Volume
- Cost per 1K
- $0.015
- USD / 1K Requests
- Benchmark Cost
- $1.35
- Total · 89.9K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.