Skip to content

Claude Haiku 4.5 20251001

Data source: AIHOT

Model data is shown as published (Chinese).

← Leaderboard
Anthropic

Released: 2025-10-15 · Context: 200K tokens

33.6

Overall rank 89

Official API prices ¥ / million tokens

Input
¥6.67 ($1)
Output
¥33.33 ($5)
Cache hits
¥0.67 ($0.1)
Official pricing ↗

Domain capabilities

BoardRankScoreBenchmarks
综合8933.612
编程8935.73
科研9228.62
专业办公8734.12
知识问答9033.42

编程 · 35.7

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
ProgramBench ↗

只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。

Vals AI0.0%77.2342026-11-18
Notes

通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

TapTap Maker ↗

在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。

TapTap Maker38.5%38.5372026-11-18
Notes

代表配置:High 推理 · claude。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI11.4%36.91132026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

科研 · 28.6

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
ARC-AGI-2 ↗

从几个网格图案的例子中找出变换规则,再解一道新题。

ARC Prize4.0%312182026-11-18
Notes

通过率低于 5%,只说明“至多这么强”。代表配置:思考预算 · 32k。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Chess Puzzles ↗

看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。

Epoch AI8.0%26.21412026-11-18
Notes

通过率低于 5%,只说明“至多这么强”。代表配置:思考预算 · 59k。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 34.1

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI10.6%35.9882026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI5.9%33.6842026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

MedCode ↗

读住院记录,给出标准的医疗诊断编码。

Vals AI32.7%—882026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

知识问答 · 33.4

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
BullshitBench v2 ↗

问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。

BullshitBench77.0%88242026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SimpleQA Verified ↗

一句话就能答的事实问题,看答得对不对。

Epoch AI12.6%17.4982026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:思考预算 · 32k。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 35

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,414371492026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,330.135.91332026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Benchmarks without results

  • Terminal-Bench 4.0 · AA
  • Terminal-Bench 4.0 · Vals
  • Terminal-Bench 4.0 · 官方
  • LiveBench · 编程综合
  • SciCode · AA
  • Code Migration v1.1
  • MirrorCode
  • CyberBench Patch v1.1
  • FrontierCode 2.0 · AA
  • APEX-SWE
  • FrontierCode 2.0 · Cognition
  • WeirdML v3
  • FrontierSWE v2
  • HLE · AA
  • FrontierMath v2 · Tiers 1–3
  • LiveBench · 推理与数学
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • 司南 · 抽象
  • CritPt · AA
  • CritPt v2 Hard · AA
  • Mystery Game Puzzles
  • MysteryMechanism
  • Terminal-Bench Science · Vals
  • Terminal-Bench Science · AA
  • BioMysteryBench
  • GDPval-AA
  • AA-Briefcase
  • AutomationBench · AA
  • Vals Finance Agent v2.1
  • APEX-Agents 1.1
  • Harvey LAB 1.1 · Vals
  • Harvey LAB 1.1 · AA
  • τ³-Banking · Mercor
  • LiveBench · 数据分析
  • AA-Analyst Agent
  • Excel Modeling v1.1
  • AA-Omniscience v1.1
  • 司南 · 知识
  • AA-LCR
  • MLCR-AA
  • LiveBench · 语言与指令
  • NYT Connections 扩展版

Recent news