Sonnet 4.6
O one-shotter: 2 rounds em quase tudo — escreve o arquivo inteiro num Write e entrega, sem verificar. Artefatos grandes (1085 linhas no clone da Apple). Pagou caro no tokenizer antigo? Não: pagou caro em output bruto — US$3,33 na bateria, com 907s parados no teste 001.
4/4 runs auditados: single-shot, prompt verbatim, sem subagentes, sem skills, zero violações.
Benchmarks oficiais
| Benchmark | Score | Fonte | Nota |
|---|---|---|---|
| SWE-bench Pro | 58,1% | Anthropic | da tabela comparativa publicada na ficha do Sonnet 5 |
| Terminal-Bench 2.1 | 67,0% | Anthropic | — |
| Humanity's Last Exam (sem ferramentas) | 34,6% | Anthropic | — |
| Humanity's Last Exam (com ferramentas) | 46,8% | Anthropic | — |
| OSWorld-Verified | 78,5% | Anthropic | — |
| GDPval-AA v2 | 1395 | Anthropic | pontuação, não % |
números auto-reportados pelos vendors — o placar deste site mede outra coisa: se o app entrega.
Asteriscos
- Sem ficha própria na v0 — dados extraídos da tabela comparativa do Sonnet 5 e do benchmark.html.
- Preço US$3/US$15 por M (geração anterior, usada como régua de evolução na v0).
- Scores auto-reportados pela Anthropic.
Comportamento medido (v0)
Leitura
Nunca abriu o navegador — escreve e confia (1–3 ferramentas por teste), entrega às cegas. O mais verboso da bateria (Apple: 1065 linhas, ~3× os outros; FPS: 887 linhas num chute só). Custo da bateria: $2,27.Runs na bateria
Run do teste 001 (sistema solar 3D): 2 rounds, 907s, US$1.30. Ferramentas: Write×1. Artefato de 499 linhas. Usa lib externa: cdnjs.cloudflare.com.
fairnessauditado, single-shot, prompt verbatim, sem subagentes, sem skills
Run do teste 002 (clone da home da Apple): 2 rounds, 185s, US$0.36. Ferramentas: Write×1. Artefato de 1085 linhas. Sem dependência externa.
fairnessauditado, single-shot, prompt verbatim, sem subagentes, sem skills
Run do teste 003 (física de bolinhas): 2 rounds, 168s, US$0.29. Ferramentas: Write×1. Artefato de 324 linhas. Sem dependência externa.
fairnessauditado, single-shot, prompt verbatim, sem subagentes, sem skills
Run do teste 004 (jogo FPS): 3 rounds, 908s, US$1.38. Ferramentas: Write×1, Bash×1. Artefato de 792 linhas. Usa lib externa: cdn.jsdelivr.net.
fairnessauditado, single-shot, prompt verbatim, sem subagentes, sem skills