anthropic

Claude Sonnet 4.6

Claude Sonnet 4.6 bietet erstklassige Performance für Coding und Computer Use mit einem massiven 1M token context window für nur 3 $ pro 1 Million tokens.

Agentic AIMultimodalCodingComputer UseLong Context
anthropic logoanthropicClaude 417. Februar 2026
Kontext
1.0MToken
Max. Ausgabe
64KToken
Eingabepreis
$3.00/ 1M
Ausgabepreis
$15.00/ 1M
Modalität:TextImageAudioVideo
Fähigkeiten:VisionToolsStreamingLogik
Benchmarks
GPQA
89.9%
GPQA: Wissenschafts-Q&A auf Hochschulniveau. Ein anspruchsvoller Benchmark mit 448 Multiple-Choice-Fragen in Biologie, Physik und Chemie, erstellt von Fachexperten. Doktoranden erreichen nur 65-74% Genauigkeit, während Laien selbst mit unbegrenztem Webzugang nur 34% schaffen (daher 'Google-sicher'). Claude Sonnet 4.6 erreichte 89.9% bei diesem Benchmark.
HLE
49%
HLE: Expertenwissen-Reasoning. Testet die Fähigkeit eines Modells, Expertenwissen in spezialisierten Bereichen zu demonstrieren. Bewertet tiefes Verständnis komplexer Themen, die professionelles Wissen erfordern. Claude Sonnet 4.6 erreichte 49% bei diesem Benchmark.
MMLU
89.3%
MMLU: Massives Multitask-Sprachverständnis. Ein umfassender Benchmark mit 16.000 Multiple-Choice-Fragen zu 57 akademischen Fächern wie Mathematik, Philosophie, Jura und Medizin. Testet breites Wissen und Reasoning-Fähigkeiten. Claude Sonnet 4.6 erreichte 89.3% bei diesem Benchmark.
MMLU Pro
79.2%
MMLU Pro: MMLU Professional Edition. Eine erweiterte Version von MMLU mit 12.032 Fragen im schwereren 10-Optionen-Format. Umfasst Mathematik, Physik, Chemie, Jura, Ingenieurwesen, Wirtschaft, Gesundheit, Psychologie, Business, Biologie, Philosophie und Informatik. Claude Sonnet 4.6 erreichte 79.2% bei diesem Benchmark.
SimpleQA
48.5%
SimpleQA: Faktische Genauigkeits-Benchmark. Testet die Fähigkeit eines Modells, akkurate, faktische Antworten auf einfache Fragen zu geben. Misst Zuverlässigkeit und reduziert Halluzinationen bei Wissensabruf. Claude Sonnet 4.6 erreichte 48.5% bei diesem Benchmark.
IFEval
89.5%
IFEval: Anweisungsbefolgungs-Evaluation. Misst, wie gut ein Modell spezifische Anweisungen und Einschränkungen befolgt. Testet die Fähigkeit, Formatierungsregeln, Längenbegrenzungen und andere explizite Anforderungen einzuhalten. Claude Sonnet 4.6 erreichte 89.5% bei diesem Benchmark.
AIME 2025
83%
AIME 2025: Amerikanische Mathematik-Olympiade. Wettbewerbsmathematik-Aufgaben aus der renommierten AIME-Prüfung für talentierte Oberstufenschüler. Testet fortgeschrittenes mathematisches Problemlösen, das abstraktes Denken erfordert. Claude Sonnet 4.6 erreichte 83% bei diesem Benchmark.
MATH
85.3%
MATH: Mathematisches Problemlösen. Ein umfassender Mathematik-Benchmark für Problemlösung in Algebra, Geometrie, Analysis und anderen mathematischen Bereichen. Erfordert mehrstufiges Reasoning und formales mathematisches Wissen. Claude Sonnet 4.6 erreichte 85.3% bei diesem Benchmark.
GSM8k
96.4%
GSM8k: Grundschul-Mathematik 8K. 8.500 Mathematik-Textaufgaben auf Grundschulniveau, die mehrstufiges Reasoning erfordern. Testet grundlegende Arithmetik und logisches Denken durch Alltagsszenarien. Claude Sonnet 4.6 erreichte 96.4% bei diesem Benchmark.
MGSM
92.8%
MGSM: Mehrsprachige Grundschul-Mathematik. Der GSM8k-Benchmark übersetzt in 10 Sprachen inkl. Spanisch, Französisch, Deutsch, Russisch, Chinesisch und Japanisch. Testet mathematisches Reasoning in verschiedenen Sprachen. Claude Sonnet 4.6 erreichte 92.8% bei diesem Benchmark.
MathVista
68.7%
MathVista: Mathematisches visuelles Reasoning. Testet die Fähigkeit, mathematische Probleme mit visuellen Elementen wie Diagrammen, Graphen, Geometriefiguren und wissenschaftlichen Abbildungen zu lösen. Claude Sonnet 4.6 erreichte 68.7% bei diesem Benchmark.
SWE-Bench
79.6%
SWE-Bench: Software-Engineering-Benchmark. KI-Modelle versuchen, echte GitHub-Issues in Open-Source-Python-Projekten zu lösen, mit menschlicher Verifizierung. Testet praktische Software-Engineering-Fähigkeiten. Top-Modelle stiegen von 4,4% (2023) auf über 70% (2024). Claude Sonnet 4.6 erreichte 79.6% bei diesem Benchmark.
HumanEval
92.1%
HumanEval: Python-Programmieraufgaben. 164 handgeschriebene Programmieraufgaben, bei denen Modelle korrekte Python-Funktionsimplementierungen generieren müssen. Jede Lösung wird durch Unit-Tests verifiziert. Top-Modelle erreichen heute 90%+. Claude Sonnet 4.6 erreichte 92.1% bei diesem Benchmark.
LiveCodeBench
72.4%
LiveCodeBench: Live-Coding-Benchmark. Testet Programmierfähigkeiten mit kontinuierlich aktualisierten, realen Programmieraufgaben. Anders als statische Benchmarks verwendet er frische Aufgaben, um Datenkontamination zu verhindern. Claude Sonnet 4.6 erreichte 72.4% bei diesem Benchmark.
MMMU
74.2%
MMMU: Multimodales Verständnis. Massive Multi-Disziplin Multimodales Verständnis Benchmark, der Vision-Sprach-Modelle bei Hochschulaufgaben in 30 Fächern testet, die sowohl Bildverständnis als auch Expertenwissen erfordern. Claude Sonnet 4.6 erreichte 74.2% bei diesem Benchmark.
MMMU Pro
75.6%
MMMU Pro: MMMU Professional Edition. Erweiterte Version von MMMU mit anspruchsvolleren Fragen und strengerer Bewertung. Testet fortgeschrittenes multimodales Reasoning auf professionellem und Expertenniveau. Claude Sonnet 4.6 erreichte 75.6% bei diesem Benchmark.
ChartQA
88.1%
ChartQA: Diagramm-Fragebeantwortung. Testet die Fähigkeit, Informationen in Diagrammen und Graphen zu verstehen und zu analysieren. Erfordert Datenextraktion, Wertevergleiche und Berechnungen aus visuellen Darstellungen. Claude Sonnet 4.6 erreichte 88.1% bei diesem Benchmark.
DocVQA
93.4%
DocVQA: Dokument-Visuelle Q&A. Dokument Visual Question Answering Benchmark, der die Fähigkeit testet, Informationen aus Dokumentbildern inkl. Formularen, Berichten und gescanntem Text zu extrahieren und zu analysieren. Claude Sonnet 4.6 erreichte 93.4% bei diesem Benchmark.
Terminal-Bench
59.1%
Terminal-Bench: Terminal/CLI-Aufgaben. Testet die Fähigkeit, Kommandozeilen-Operationen auszuführen, Shell-Skripte zu schreiben und in Terminal-Umgebungen zu navigieren. Misst praktische Systemadministrations- und Entwickler-Workflow-Fähigkeiten. Claude Sonnet 4.6 erreichte 59.1% bei diesem Benchmark.
ARC-AGI
58.3%
ARC-AGI: Abstraktion & Reasoning. Abstraction and Reasoning Corpus für AGI - testet fluide Intelligenz durch neuartige Mustererkennungs-Puzzles. Jede Aufgabe erfordert das Entdecken der zugrundeliegenden Regel aus Beispielen und misst allgemeine Reasoning-Fähigkeit statt Auswendiglernen. Claude Sonnet 4.6 erreichte 58.3% bei diesem Benchmark.

Über Claude Sonnet 4.6

Erfahren Sie mehr über die Fähigkeiten, Funktionen und Einsatzmöglichkeiten von Claude Sonnet 4.6.

Agentic Intelligenz mit hoher Leistung

Claude Sonnet 4.6 ist das vielseitigste model von Anthropic, das als primäre Engine für komplexe Unternehmens-Workflows und autonome agents konzipiert wurde. Es wurde am 17. Februar 2026 veröffentlicht und führt Computer-Use-Fähigkeiten auf menschlichem Niveau sowie ein 1-Million-token context window ein. Die Architektur des models gleicht die Geschwindigkeit von Mid-Tier-Systemen mit der Reasoning-Tiefe aus, die normalerweise der Opus-Klasse vorbehalten ist, was es zu einer nachhaltigen Wahl für Produktionsumgebungen mit hohem Volumen macht.

Adaptive Thinking und Multimodalität

Im technischen Kern nutzt Sonnet 4.6 einen Adaptive Thinking-Mechanismus. Dies ermöglicht Entwicklern, den internen Reasoning-Aufwand basierend auf den spezifischen Anforderungen einer Aufgabe zu skalieren und entweder auf eine Latenz unter einer Sekunde oder eine tiefgehende logische Verifizierung zu optimieren. Das model ist nativ multimodal und bietet state-of-the-art Performance bei der Verarbeitung von Text, hochauflösenden Bildern und Audiodateien. Es zeichnet sich durch die Interpretation dichter technischer Dokumentationen und komplexer visueller Daten aus, wie etwa bei architektonischen Entwürfen oder Finanzdiagrammen.

Der Industriestandard für Coding

Mit einem rekordverdächtigen Wert von 79,6 % auf SWE-bench Verified ist Sonnet 4.6 zur Standardwahl für die Automatisierung im Software Engineering geworden. Seine Fähigkeit, innerhalb des 1M context window über riesige Codebases hinweg zu schlussfolgern, ermöglicht es ihm, Fehler in mehreren Dateien zu beheben und architektonische Refactorings mit minimalem menschlichem Eingreifen zu planen. Indem es Intelligenz fast auf Opus-Niveau für 3 $ pro Million input tokens bietet, beseitigt es die finanziellen Hürden, die bisher mit dem Deployment von wirklich autonomen AI-Systemen verbunden waren.

Claude Sonnet 4.6

Anwendungsfälle für Claude Sonnet 4.6

Entdecken Sie die verschiedenen Möglichkeiten, Claude Sonnet 4.6 für großartige Ergebnisse zu nutzen.

Autonomes Software Engineering

Lösen komplexer GitHub-Issues über mehrere Dateien hinweg und Durchführung von Refactorings für ganze Repositories mit einer SWE-bench-Genauigkeit von 79,6 %.

Computer Use auf menschlichem Niveau

Direkte Navigation auf Desktop-Software und Web-Interfaces zur Erledigung mehrstufiger administrativer Aufgaben ohne benutzerdefinierte API-Integrationen.

Groß angelegte Dokumentenanalyse

Überprüfung von Tausenden von Seiten juristischer Verträge oder Forschungsarbeiten gleichzeitig innerhalb des 1-Million-token context window.

Finanzielle Intelligenz und Prognosen

Verarbeitung von Earnings-Calls und Quartalsberichten zur Identifizierung subtiler Marktanomalien mittels Adaptive Thinking mit hohem Aufwand.

Multimodaler technischer Support

Interpretation komplexer technischer Diagramme, Fotos von Leiterplatten und Audioaufnahmen zur Bereitstellung präziser Fehlerbehebungsschritte.

Agentic Business Strategy

Planung und Durchführung langfristiger Operationen durch Nutzung erstklassiger Ergebnisse bei strategie- und logikbasierten benchmarks.

Stärken

Einschränkungen

Herausragende Coding-Genauigkeit: Setzt den Industriestandard mit 79,6 % im SWE-bench Verified benchmark und übertrifft damit alle anderen Mid-Tier- und die meisten flagship models.
Fehlender nativer Video-Input: Erfordert eine manuelle Frame-Extraktion für die visuelle Verarbeitung von Videodateien, was Medien-Workflows komplexer macht.
Unvergleichliche Context-Kapazität: Das 1-Million-token window ermöglicht die Aufnahme ganzer technischer Bibliotheken oder riesiger Codebases ohne Leistungsabfall.
Erhöhte Reasoning-Latency: Die Nutzung von Adaptive Thinking mit hohem Aufwand erhöht die Time-to-First-Token im Vergleich zur Standard-inference signifikant.
Autonomer Computer Use: Erreicht 72,5 % auf OSWorld und ermöglicht es dem model, komplexe GUIs und Software-Tools als virtueller Bediener zu navigieren.
Hohe Kosten für Reasoning-Output: Während die Input-Preise wettbewerbsfähig sind, können Reasoning-Aufgaben mit maximalem Aufwand große Mengen an output tokens verbrauchen, was die Kosten steigert.
Optimiertes Preis-Leistungs-Verhältnis: Liefert Intelligenz auf Opus-Niveau zu einem Fünftel der Kosten, was es zur wirtschaftlichsten Wahl für groß angelegte agentic Deployments macht.
Rauschen bei der Context-Wiedergewinnung: An der 1M token Grenze kann das model gelegentlich an Fokus verlieren, wenn der context mit irrelevanten Daten gefüllt ist.

API-Schnellstart

anthropic/claude-sonnet-4-6

Dokumentation anzeigen
anthropic SDK
import Anthropic from '@anthropic-ai/sdk';

const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

const response = await anthropic.messages.create({
  model: "claude-4-sonnet-20260217",
  max_tokens: 4096,
  thinking: { type: "adaptive", effort: "high" },
  messages: [
    { role: "user", content: "Analysiere dieses Repository auf architektonische Engpässe." }
  ],
});

console.log(response.content[0].text);

Installieren Sie das SDK und beginnen Sie in wenigen Minuten mit API-Aufrufen.

Was die Leute über Claude Sonnet 4.6 sagen

Sehen Sie, was die Community über Claude Sonnet 4.6 denkt

Context ist Rauschen. Größere token windows sind eine Falle. Gib agents nur das schmale, kuratierte Signal, das sie brauchen.
Logical-Storm-1180
reddit
Das ist Claude Sonnet 4.6: unser bisher leistungsfähigstes Sonnet-model. Ein komplettes Upgrade für Coding, Computer Use und agentic Planung.
Claude
twitter
Das Preis-Leistungs-Verhältnis von Claude Sonnet 4.6 ist außergewöhnlich; es ist schwer zu übertreiben, wie schnell sich diese models entwickeln.
Replit
youtube
Sonnet 4.6 ist jetzt in Claude Code live. Es ist günstiger als Opus 4.6 und kommt an Intelligenz auf Opus-Niveau heran.
Boris Cherny
twitter
Claude 4.6 ist der neue Marktführer bei agentic Performance und liegt bei realen Wissensarbeitsaufgaben leicht vor Opus 4.6.
Artificial Analysis
twitter
Die Tatsache, dass dieses model mit 72 % Genauigkeit durch ein Computer-Interface navigieren kann, macht die meisten maßgeschneiderten APIs im Grunde überflüssig.
DevOpsGuru
hackernews

Videos über Claude Sonnet 4.6

Schauen Sie Tutorials, Rezensionen und Diskussionen über Claude Sonnet 4.6

Sonnet 4.6 ist da und könnte Opus für 90 % deiner täglichen Aufgaben ersetzen.

Aber das Beste: Es ist 40 % günstiger als Opus 4.6.

Die SWE-bench-Ergebnisse sind für ein Mid-Tier-model wirklich unglaublich.

Du kannst ihm effektiv eine ganze Codebase füttern, ohne dass es den Faden verliert.

Adaptive Thinking-Aufwand ermöglicht es dir, Geschwindigkeit gegen tiefere Logik abzuwägen.

Erste Nutzer berichten tatsächlich, dass es bei komplexen Tabellenkalkulationen eine fast menschliche Leistung erbringt.

Dieses model ist im Vergleich zu Opus etwa doppelt so schnell.

Das 1-Million-token context window befindet sich derzeit in der Beta-Phase, funktioniert aber sehr gut.

Es navigiert Software-Interfaces ohne spezifische API-Integrationen.

Die Coding-Fähigkeiten in Python und JavaScript erreichen praktisch das Maximum.

Anthropic sagt, das neue context window ist groß genug, um ganze Codebases zu halten und effektiv über diesen gesamten context hinweg zu schlussfolgern.

Opus 4.6 ist die 'nukleare' Option... aber jetzt haben wir endlich ein Skalpell, was fantastische Neuigkeiten sind.

Computer Use ist hier das herausragende Feature, bei dem tatsächlich die Maus bewegt und getippt wird.

Finanzanalysten werden die Reasoning-Tiefe für die Dokumentenprüfung lieben.

Es ist das erste Mal, dass sich ein 'Sonnet'-model wie das absolute Klassenbeste anfühlt.

Mehr als nur Prompts

Optimieren Sie Ihren Workflow mit KI-Automatisierung

Automatio kombiniert die Kraft von KI-Agenten, Web-Automatisierung und intelligenten Integrationen, um Ihnen zu helfen, mehr in weniger Zeit zu erreichen.

KI-Agenten
Web-Automatisierung
Intelligente Workflows

Pro-Tipps für Claude Sonnet 4.6

Expertentipps, um das Beste aus Claude Sonnet 4.6 herauszuholen.

Thinking-Aufwand optimieren

Nutzen Sie den 'adaptive' Thinking-Modus, um bei einfachen Anfragen Kosten zu sparen, während Sie den 'max'-Aufwand für Mathe- und Logikaufgaben reservieren.

Context Compaction implementieren

Aktivieren Sie prompt caching und Compaction-Funktionen, um das 1M token window effizient und ohne redundante Kosten zu nutzen.

Strukturiertes Behavioral Anchoring

Verwenden Sie eine zentrale Markdown-Projektdatei, um eine dauerhafte Quelle der Wahrheit für die architektonischen Entscheidungen des models aufrechtzuerhalten.

Video-Frame-Extraktion

Da natives Video nicht unterstützt wird, extrahieren Sie Schlüsselbilder bei 1fps, um eine möglichst genaue visuelle Analyse von Videoinhalten zu erhalten.

Erfahrungsberichte

Was Unsere Nutzer Sagen

Schliessen Sie sich Tausenden zufriedener Nutzer an, die ihren Workflow transformiert haben

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Verwandte AI Models

google

Gemini 3 Flash

Google

Gemini 3 Flash is Google's high-speed multimodal model featuring a 1M token context window, elite 90.4% GPQA reasoning, and autonomous browser automation tools.

1M context
$0.50/$3.00/1M
anthropic

Claude Opus 4.6

Anthropic

Claude Opus 4.6 is Anthropic's flagship model featuring a 1M token context window, Adaptive Thinking, and world-class coding and reasoning performance.

1M context
$5.00/$25.00/1M
alibaba

Qwen3.5-397B-A17B

alibaba

Qwen3.5-397B-A17B is Alibaba's flagship open-weight MoE model. It features native multimodal reasoning, a 1M context window, and a 19x decoding throughput...

1M context
$0.40/$2.40/1M
openai

GPT-5.1

OpenAI

GPT-5.1 is OpenAI’s advanced reasoning flagship featuring adaptive thinking, native multimodality, and state-of-the-art performance in math and technical...

400K context
$1.25/$10.00/1M
google

Gemini 3 Pro

Google

Google's Gemini 3 Pro is a multimodal powerhouse featuring a 1M token context window, native video processing, and industry-leading reasoning performance.

1M context
$2.00/$12.00/1M
moonshot

Kimi K2.5

Moonshot

Discover Moonshot AI's Kimi K2.5, a 1T-parameter open-source agentic model featuring native multimodal capabilities, a 262K context window, and SOTA reasoning.

256K context
$0.60/$3.00/1M
xai

Grok-4

xAI

Grok-4 by xAI is a frontier model featuring a 2M token context window, real-time X platform integration, and world-record reasoning capabilities.

2M context
$3.00/$15.00/1M
anthropic

Claude Opus 4.5

Anthropic

Claude Opus 4.5 is Anthropic's most powerful frontier model, delivering record-breaking 80.9% SWE-bench performance and advanced autonomous agency for coding.

200K context
$5.00/$25.00/1M

Häufig gestellte Fragen zu Claude Sonnet 4.6

Finden Sie Antworten auf häufige Fragen zu Claude Sonnet 4.6