Claude 3.5 Sonnet (2024-10-22)：完整基准性能指南

anthropic 3.5-sonnet-20241022 2024-10-22 Proprietary

深入分析 Claude 3.5 Sonnet (2024-10-22) 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3.5-sonnet-20241022
发布日期2024-10-22
上下文窗口200000 tokens
输入模态text, image
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
MMLU87.2%2024-10-225-shot查看
HUMANEVAL86.1pass@12024-10-22—查看
GSM8K94%2024-10-220-shot CoT查看
MATH75.1%2024-10-220-shot CoT查看
BBH84.2%2024-10-223-shot CoT查看
GPQA50.9%2024-10-220-shot查看
IFEVAL81.6%2024-10-22prompt_strict查看
ARC96.8%2024-10-22challenge查看
MUSR71.8%2024-10-220-shot查看
WINOGRANDE86.9%2024-10-220-shot查看

定价

项目价格币种
输入$3 / MtokUSD
输出$15 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://www.anthropic.com/pricing · 截至 2024-10-22

合规性

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

Claude 3.5 Sonnet (2024-10-22)

模型概述

Anthropic Claude 3.5 Sonnet 2024-10-22 版本, 引入计算机使用能力, 编码与推理性能再次提升。

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
Anthropic3.5-sonnet-202410222024-10-22200Ktext, imagetextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)87.2%5-shot
HumanEval86.1pass@1—
GSM8K (Grade School Math 8K)94.0%0-shot CoT
MATH75.1%0-shot CoT
BBH (BIG-Bench Hard)84.2%3-shot CoT
GPQA50.9%0-shot
IFEval81.6%prompt_strict
ARC96.8%challenge
MUSR71.8%0-shot
WinoGrande86.9%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • MMLU 得分 87.2，知识推理能力强。
  • HumanEval 86.1，代码生成能力出色。
  • GSM8K 94.0，数学推理稳健。
  • 上下文窗口 200K，支持长文本。

劣势

  • 闭源专有模型，不支持自托管。

适用场景

  • 代码生成与调试
  • 长文档摘要
  • Agent 工作流与工具调用

参考文献