IDP Leaderboard：Sonnet 4.6 在真实文档理解上与 Opus 4.6 持平

一句话结论

在开放文档 AI 排行榜上，Claude Sonnet 4.6 总分 80.7，略高于 Opus 4.6 的 80.4，适合把 OCR、表格、版式和关键信息抽取从 Opus 下放到 Sonnet；归档扫描件仍要防内容审核误拦。

测试环境

• 模型：排行榜第 8 名 Claude Sonnet 4.6，第 9 名 Claude Opus 4.6，第 16 名 Claude Haiku 4.5。

• 任务：Intelligent Document Processing，覆盖 OCR、表格抽取、关键信息抽取、视觉问答；总分是各基准分的均值。

• 分项：OlmOCR、OmniDoc、IDP。

• 规模：Reddit 同步帖称 16 个模型、9000+ 真实文档；采集时主表已扩到 26 个模型。以排行榜当前数字为准。

• 产物：站点提供 Code、Datasets、Results Explorer；方法说明链到 GitHub。

输入/配置

页面未在首页列出每个 Claude 模型的完整 prompt、temperature、effort 或是否启用 thinking。复核时应打开 Results Explorer 看逐文档输出，并到 GitHub methodology 核对 harness。

结果数据

采集时主表（Overall / OlmOCR / OmniDoc / IDP）：

Reddit 同步帖当时写 Sonnet 80.8 / Opus 80.3 / Haiku 69.6，并称抽取类任务雷达图几乎重合；Sonnet 成本约 $24/1K pages，Opus 约 $40/1K pages。当前主表数字已微调，引用时以 https://www.idp-leaderboard.org/ 为准。

同步帖还记录：旧报纸扫描、教材页和历史文档有时触发 Claude 更严的内容审核，主要出现在 OlmOCR 与 OmniDoc。

结论

文档抽取、表格和版式理解上，Sonnet 4.6 可以替代 Opus 4.6 作为默认模型；Haiku 4.5 明显落后。若业务是专项 OCR，当前榜首是 Nanonets OCR-3，不是通用 Claude。归档/历史扫描需要单独测审核拦截率。

局限

• 这是文档理解榜，不能外推到 SWE、电脑使用或开放推理。

• Reddit 旧数字与采集时主表有 0.1–1.6 分差异，必须引用页面当时快照。

• 首页未公开 Claude 的完整采样配置；成本数字来自 Reddit 同步帖，不是排行榜主表字段。

• 内容审核失败会计入相关分项，不等于模型“看不懂”该页。

复现步骤

1. 从站点下载公开数据集与评测代码，固定模型 ID claude-sonnet-4-6 和对照模型。

2. 按 GitHub methodology 跑 OlmOCR、OmniDoc、IDP，保存逐页预测。

3. 分别统计抽取准确率、审核拦截率和每千页成本。

4. 在 Results Explorer 抽查失败页，区分识别错误与安全过滤。