返回模型列表

Anthropic: Claude Sonnet 4.5在线

anthropic/claude-sonnet-4.5
对比对话

Claude Sonnet 4.5 是 Anthropic 迄今为止最先进的 Sonnet 模型,专为现实世界的智能体和编程工作流而优化。它在 SWE-bench Verified 等编程基准测试中表现出色,在系统设计、代码安全和规范遵从性方面均有改进。该模型专为长时间自主运行而设计,能保持跨会话的任务连续性,并提供基于事实的进度跟踪。Sonnet 4.5 还引入了更强的智能体能力,包括改进的工具编排、推测性并行执行,以及更高效的上下文和内存管理。凭借增强的上下文跟踪和跨工具调用的 Token 使用意识,它特别适用于多上下文和长期运行的工作流。应用场景涵盖软件工程、网络安全、金融分析、研究智能体以及其他需要持续推理和工具使用的领域。

由:Anthropic输入类型:输出类型:发布时间:2025-09-29

供应商

在多个供应商之间路由请求。复制供应商标识以设置偏好供应商。

供应商缓存命中率上下文
Anthropic
anthropic
-$3-6/ 百万 token$15-22.5/ 百万 token读取:0.3-0.6/ 百万 token写入:3.75-12/ 百万 token1M--
Google Vertex
google-vertex
-$3-6/ 百万 token$15-22.5/ 百万 token读取:0.3-0.6/ 百万 token写入:3.75-12/ 百万 token200K0.68s15.8tps
Amazon Bedrock
amazon-bedrock
-$3-6/ 百万 token$15-22.5/ 百万 token读取:0.3-0.6/ 百万 token写入:3.75-12/ 百万 token200K--

可用率

AI Gateway 直连请求及各供应商的成功率。

Oct 26, 11:19
Anthropic100.00%
Google Vertex100.00%

吞吐量

AI Gateway 实时流量的 P50 吞吐量,单位为每秒 token 数(TPS)。

Oct 26, 19:00
Google Vertex15.8 tps

延迟

AI Gateway 实时流量的 P50 首 token 延迟(TTFT),单位为毫秒。

Oct 26, 19:00
Google Vertex0.68s

活动

该模型随时间变化的 token 用量和请求流量。

Token 消耗
Oct 25
Anthropic-
Google Vertex1.2M
Amazon Bedrock-

按实际处理请求的供应商拆分 token 用量。区块越大,表示该供应商处理的模型流量越多。

基准测试

标准化评测得分。百分比越高越好,并展示排名百分位。

指标来源:Artificial Analysis

Apps

Public apps that send the most traffic to this model. Good signal for what real production workloads look like — and a hint at which use cases this model is best suited for. View All

Token 排行
No data
No app usage is available for this period.

相关模型

更多模型来自 Anthropic

Anthropic: Claude Haiku 5.5
37.47Btoken

Anthropic: Claude Haiku 5.5 是 Anthropic 迄今为止最经济、最快速且功能最强大的小型模型,专为高容量、成本敏感型工作负载而打造。它能以低延迟处理摘要、精简、数据库查询、分类和子代理编码任务,在实时客户支持、浏览器使用以及其他对速度要求极高的应用场景中表现尤为出色。

Anthropic: Claude Sonnet 5.5
68.34Btoken

Anthropic: Claude Sonnet 5.5 是 Anthropic 升级版的 Sonnet 级模型,性能强于 Claude Sonnet 5,同时运行速度提升超过 30%,且在许多工作负载下成本更低。它专为代理式编码、工具使用和日常专业任务而设计,非常适合开发人员和团队构建快速且功能强大的 AI 智能体。

Anthropic: Claude Opus 5.5
235.48Btoken

Anthropic: Claude Opus 5.5 是 Anthropic 旗下的旗舰模型,专为高要求的推理、编码和长周期智能体任务而设计,是 Claude Opus 5 的继任者。它在处理大型代码库的多步骤变更、代码审查与缺陷查找、金融与科学分析,以及解读密集型图表、示意图和截图方面表现尤为出色。与前代产品相比,它在引用数据和来源时更加严谨,确保仅陈述可证实的内容。 该模型以更少的步骤和 token 完成同类任务,并以更通俗的语言汇报工作成果,清晰地说明其操作过程、发现的问题以及需要用户配合的事项。模型思考过程始终保持自适应,所以“努力程度(effort)”是权衡深度、延迟和成本的主要杠杆,低努力程度的设置在对延迟敏感的工作负载中依然有效。