Claude 2.1：完整基准性能指南

anthropic 2.1 2023-11-21 Proprietary

深入分析 Claude 2.1 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

核心规格

厂商anthropic
版本2.1
发布日期2023-11-21
上下文窗口200000 tokens
输入模态text
输出模态text
许可Proprietary
文档https://docs.anthropic.com/claude/docs

基准测试表现

基准得分单位评测日期备注来源
MMLU60.9%2023-11-215-shot查看
HUMANEVAL28.1pass@12023-11-21—查看
GSM8K45.7%2023-11-210-shot CoT查看
MATH15.5%2023-11-210-shot CoT查看
BBH63.8%2023-11-213-shot CoT查看
GPQA26.4%2023-11-210-shot查看
IFEVAL55%2023-11-21prompt_strict查看
ARC84.8%2023-11-21challenge查看
MUSR37.7%2023-11-210-shot查看
WINOGRANDE67.4%2023-11-210-shot查看

定价

项目价格币种
输入$11 / MtokUSD
输出$32 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://www.anthropic.com/pricing · 截至 2023-11-21

合规性

  • 数据驻留: US
  • SOC2: ✓
  • HIPAA: ✗
  • GDPR: ✓
  • ISO 27001: ✗

Claude 2.1

模型概述

Anthropic Claude 2.1, 200K 上下文, 相比 2.0 减少 2 倍幻觉率, 改进长文档召回能力。

核心规格

厂商版本发布日期上下文窗口输入模态输出模态许可证
Anthropic2.12023-11-21200KtexttextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)60.9%5-shot
HumanEval28.1pass@1—
GSM8K (Grade School Math 8K)45.7%0-shot CoT
MATH15.5%0-shot CoT
BBH (BIG-Bench Hard)63.8%3-shot CoT
GPQA26.4%0-shot
IFEval55.0%prompt_strict
ARC84.8%challenge
MUSR37.7%0-shot
WinoGrande67.4%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • 上下文窗口 200K，支持长文本。

劣势

  • HumanEval 28.1，代码能力较弱。
  • 闭源专有模型，不支持自托管。

适用场景

  • 长文档摘要

参考文献