Anthropic

Claude Sonnet 4.6

Tipo
modello linguistico
Contesto
1.000K token
Uscita massima
64K
Uscito il
17 febbraio 2026
Conoscenze fino a
agosto 2025
Stringa per l'API
anthropic/claude-sonnet-4-6

Prezzi per fornitore

Fornitore Ingresso ($ per 1M) Uscita ($ per 1M) Nei nostri dati dal
xpersona $0,9 $5,55 31 lug 2026
Kilo Code stealth/claude-sonnet-4.6 $2,4 $12 31 lug 2026
Poe $2,6 $13 31 lug 2026
NanoGPT $2,992 $14,994 31 lug 2026
daoxe $3 $15 31 lug 2026
neon $3 $15 31 lug 2026
frogbot $3 $15 31 lug 2026
auriko $3 $15 31 lug 2026
google-vertex-anthropic $3 $15 31 lug 2026
routing-run $3 $15 31 lug 2026
freemodel $3 $15 31 lug 2026
perplexity-agent $3 $15 31 lug 2026
modelis $3 $15 2 ago 2026
302.AI $3 $15 31 lug 2026
AIHubMix $3 $15 31 lug 2026
Abacus.AI $3 $15 31 lug 2026
Amazon Bedrock anthropic.claude-sonnet-4-6 $3 $15 31 lug 2026
Anthropic $3 $15 31 lug 2026
Cloudflare AI Gateway $3 $15 31 lug 2026
CrossModel $3 $15 31 lug 2026
Databricks $3 $15 31 lug 2026
DigitalOcean Gradient AI $3 $15 1 ago 2026
FastRouter $3 $15 31 lug 2026
GMI Cloud $3 $15 31 lug 2026
GitHub Copilot $3 $15 31 lug 2026
Google Vertex AI $3 $15 31 lug 2026
Kilo Code anthropic/claude-sonnet-4.6 $3 $15 31 lug 2026
LLM Gateway $3 $15 31 lug 2026
Merge Gateway $3 $15 31 lug 2026
Microsoft Foundry $3 $15 31 lug 2026
NEAR AI $3 $15 31 lug 2026
OpenCode Zen $3 $15 31 lug 2026
OpenRouter $3 $15 31 lug 2026
OrcaRouter $3 $15 31 lug 2026
Pioneer $3 $15 31 lug 2026
Requesty $3 $15 31 lug 2026
SAP AI Core $3 $15 1 ago 2026
Snowflake $3 $15 31 lug 2026
Vercel $3 $15 31 lug 2026
ZenMux $3 $15 31 lug 2026
Amazon Bedrock au.anthropic.claude-sonnet-4-6 $3,3 $16,5 31 lug 2026
Cortecs $3,59 $17,92 1 ago 2026
Venice AI $3,6 $18 31 lug 2026

È mostrata solo la tariffa base e solo i prezzi a token. Le tariffe batch, agevolate o in cache, così come i prezzi per immagine o per secondo di video, non entrano in questa tabella: non possono stare nella stessa colonna di un prezzo per milione di token.

Uno stesso fornitore compare più volte se vende questo modello con identificatori diversi e a prezzi diversi — per esempio con precisione dei pesi diversa. L'identificatore è indicato accanto al nome. Le offerte identiche arrivate da due fonti con grafie diverse sono unite in un'unica riga.

La data nell'ultima colonna è il giorno in cui questo prezzo è entrato per la prima volta nella nostra raccolta. Il prezzo può essere più vecchio: prima di quel giorno semplicemente non lo registravamo. Da allora non è cambiato — altrimenti al suo posto ci sarebbe una riga nuova con una data nuova.

Risultati delle misurazioni

Insieme di compiti Risultato Condizioni della prova Misurato da
Arena Score, sviluppo web 1.522,64 1.517–1.528
Arena Score, programmazione 1.502,48 1.497–1.508
Arena Score, domande da esperto 1.501,16 1.492–1.510
Arena Score, richieste difficili 1.484,55 1.480–1.489
Arena Score, richieste lunghe 1.480,85 1.475–1.486
Arena Score, rispetto delle istruzioni 1.477,49 1.472–1.483
Arena Score in inglese 1.473,19 1.468–1.478
Arena Score in francese 1.464,7 1.449–1.481
Arena Score, dialogo a più turni 1.463,39 1.457–1.470
Arena Score in spagnolo 1.462,54 1.447–1.478
Arena Score, matematica 1.461,43 1.450–1.472
Arena Score, generale 1.457,32 1.454–1.461
Arena Score in russo 1.438,4 1.430–1.447
Arena Score, scrittura creativa 1.438,07 1.431–1.445
Arena Score, comprensione degli schemi 1.306,39 1.297–1.315
Arena Score, riconoscimento del testo nell'immagine 1.295,17 1.289–1.302
Arena Score, lavoro con le immagini 1.281,47 1.275–1.288
ARC-AGI — generalizzazione su schemi nuovi 86,5 % sforzo: high · con impalcatura calibrata
Mock AIME 2024–2025 — problemi da olimpiadi 85,78 % sforzo: high · con impalcatura calibrata Epoch evaluations
GPQA Diamond — domande di livello dottorale 83,17 % sforzo: high · con impalcatura calibrata Epoch evaluations
SWE-bench Verified — correzione di bug nei repository 75,21 % · con impalcatura calibrata Epoch evaluations
OSWorld — lavoro in un sistema operativo, prima versione 72,1 % · con impalcatura calibrata OS World Website
WeirdML — compiti insoliti di apprendimento automatico 66,07 % sforzo: medium WeirdML Leaderboard
ARC-AGI-2 60,42 % sforzo: high
DeepResearch Bench — ricerca approfondita 54,87 % sforzo: high https://drb.futuresearch.ai/#drb autodichiarato
Terminal-Bench — lavoro da riga di comando 53,4 % · con impalcatura calibrata https://www.tbench.ai/leaderboard/terminal-bench/2.0
CursorBench — modifiche nell'editor 49 % sforzo: max https://cursor.com/cursorbench
SimpleQA Verified — accuratezza fattuale 29 % budget di ragionamento: 32K Epoch evaluations
APEX-Agents 23,7 % sforzo: high
OSWorld 2.0 — lavoro in un sistema operativo 9,3 % sforzo: medium https://osworld-v2.xlang.ai/ autodichiarato
Problemi di scacchi 8,46 % sforzo: high Epoch evaluations
CritPt — problemi di fisica 3,14 % sforzo: max
Arena Score, compiti di agente 0,03 0–0