Claude 2：完整基准性能指南

anthropic 2 2023-07-11 Proprietary

深入分析 Claude 2 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
发布日期2023-07-11
上下文窗口100000 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
MMLU66.3%2023-07-115-shot查看
HUMANEVAL31.7pass@12023-07-11—查看
GSM8K32.5%2023-07-110-shot CoT查看
MATH21.9%2023-07-110-shot CoT查看
BBH60.2%2023-07-113-shot CoT查看
GPQA31.4%2023-07-110-shot查看
IFEVAL55%2023-07-11prompt_strict查看
ARC80.4%2023-07-11challenge查看
MUSR35.2%2023-07-110-shot查看
WINOGRANDE66.4%2023-07-110-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 2023-07-11

合规性

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

Claude 2

模型概述

Anthropic Claude 2, 100K 上下文, 在编码/数学/推理上超越 Claude 1.3, 首次开放 API。

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
Anthropic22023-07-11100KtexttextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)66.3%5-shot
HumanEval31.7pass@1—
GSM8K (Grade School Math 8K)32.5%0-shot CoT
MATH21.9%0-shot CoT
BBH (BIG-Bench Hard)60.2%3-shot CoT
GPQA31.4%0-shot
IFEval55.0%prompt_strict
ARC80.4%challenge
MUSR35.2%0-shot
WinoGrande66.4%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 100K，支持长文本。

劣势

  • HumanEval 31.7，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