May 2025 Sonnet 在 LiveBench 的编程评分上仍然击败 Sonnet 5。在代理编码上它落后 27 分。那么区别在哪里？
摘要
May 2025 Sonnet 在 LiveBench 的通用编程评分上击败了 Sonnet 5，但在代理编码上落后 27 分，凸显了基准测试表现的差异。
暂无内容
相似文章
sonnet 5 基准测试：显著提升
Sonnet 5 在基准测试中表现出显著提升。
Claude Sonnet 5 人工分析结果与对比
提供对 Claude Sonnet 5 在各项基准测试中的性能分析和比较。
Claude Sonnet 5 基准测试
Anthropic的Claude Sonnet 5模型基准测试已发布，显示出性能提升。
Sonnet 5 - 其更新的分词器将相同文本映射为更多令牌（约为1.0–1.35倍，取决于内容），因此每个任务的成本可能更高。
Anthropic 发布了 Claude Sonnet 5，改进了推理、工具使用和编码，但其更新的分词器将文本映射为更多令牌（最高1.35倍），尽管标价相同，但每个任务的实际成本增加；优惠价格适用至2026年8月31日。
@levie: 我们一直在用Anthropic的Claude Sonnet 5运行Box AI Complex Work Eval，这是我们用于评估模型在复杂企业文档工作中表现的智能体基准测试…
Box在其智能体基准测试中运行了Claude Sonnet 5，发现它在尽职调查、成本分析等复杂企业任务上超越了Sonnet 4.6。Sonnet 5即将在Box AI Studio中可用。