Claude Sonnet 4.6 当前已收录的代表性评测结果包括 AA-LCR（1 / 13，得分 71）、GPQA Diamond（18 / 175，得分 89.90）、SWE-bench Verified（13 / 103，得分 79.60）。并附有 3 个数据来源链接供参考。
Anthropic 于 2026 年 2 月 17 日正式发布 Claude Sonnet 4.6，这是其 Sonnet 系列的最新版本。该模型延续了 Anthropic 一贯的“可靠、可控”设计理念，重点在编码、计算机使用（鼠标键盘操作）、长上下文推理、代理规划和知识工作等领域进行优化，同时保持与前代 Sonnet 4.5 相同的 API 定价。官方定位为“最强 Sonnet 模型”，可作为免费/Pro 用户在 claude.ai 上的默认模型，也支持 API 和各大云平台接入。以下分析基于 Anthropic 官方公告、系统卡（system card）及部分第三方报道的数据，力求客观呈现其实际表现，不涉及主观溢美。
这些特性使 Sonnet 4.6 更适合高频、次旗舰级工作负载，而非必须依赖 Opus 的极端复杂场景。
Anthropic 系统卡提供了详细对照表（结果多为 10 次平均，采用自适应思考/最大努力配置，除特殊注明）。以下选取代表性指标，与前代及主要竞品（Gemini 3 Pro、GPT-5.2 等）对比：
| 基准项目 | Sonnet 4.6 | Opus 4.6 | Sonnet 4.5 | Gemini 3 Pro | GPT-5.2 |
|---|---|---|---|---|---|
| SWE-bench Verified (真实编码) | 79.6% | 80.8% | 77.2% | 76.2% | 80.0% |
| OSWorld-Verified (计算机使用) | 72.5% | 72.7% | 61.4% | — | — |
| GDPval-AA Elo (知识/办公任务) | 1633 | 1606 | 1276 | 1201 | 1462 |
| GPQA Diamond (研究生级推理) | 89.9% | 91.3% | 83.4% | 91.9% | 93.2% |
| ARC-AGI-2 (max effort) | 60.4% | 69.2% | 13.6% | 31.1% | 54.2% |
| Terminal-Bench 2.0 | 59.1% |
数据解读：
总体而言，Sonnet 4.6 在多数基准中实现了对前代的显著跃升，在部分真实世界代理任务上已逼近或超越更昂贵的旗舰模型，但纯学术推理（如 GPQA）仍与最顶尖竞品存在小幅差距。
优势：
局限（基于当前公开信息）：
Claude Sonnet 4.6 是 Anthropic 在“中端高效”路线上的又一成果：它没有追求单一基准的绝对第一，而是通过平衡能力、成本和可靠性，在实际知识工作和代理场景中提供了极具吸引力的选项。对于预算敏感的开发者、企业自动化或高频交互应用而言，它可能是当前最具实用价值的升级选择；对于需要极致前沿推理的用户，仍可结合 Opus 4.6 形成梯度部署。
客观来看，AI 模型迭代已进入“边际收益递减但实用价值持续提升”的阶段。Sonnet 4.6 的意义更多在于“让旗舰级能力变得可规模化”，而非颠覆性突破。建议开发者结合自身工作流进行小规模测试，以获取最贴合的结论。官方参考链接：https://www.anthropic.com/news/claude-sonnet-4-6 及系统卡文件。
（本文数据截至 2026 年 2 月 17-18 日公开信息，后续独立评测可能进一步补充或修正。）
| 65.4% |
| 51.0% |
| 56.2% |
| 64.7% |
| HLE (Humanity’s Last Exam, with tools) | 49.0% | 53.0% | 33.6% | 45.8% | 50.0% |
| 金融代理分析 (准确率) | 63.3% (max thinking) | 60.05% | — | — | 58.53% |
