Claude 3 Opus：完整基准性能指南

anthropic 3-opus 2024-03-04 Proprietary

深入分析 Claude 3 Opus 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-opus
发布日期2024-03-04
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
MMLU81.2%2024-03-045-shot查看
HUMANEVAL83.3pass@12024-03-04—查看
GSM8K91.8%2024-03-040-shot CoT查看
MATH42.7%2024-03-040-shot CoT查看
BBH81.6%2024-03-043-shot CoT查看
GPQA46%2024-03-040-shot查看
IFEVAL79.2%2024-03-04prompt_strict查看
ARC94.5%2024-03-04challenge查看
MUSR53.3%2024-03-040-shot查看
WINOGRANDE81.9%2024-03-040-shot查看

定价

项目价格币种
输入$15 / MtokUSD
输出$75 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://www.anthropic.com/pricing · 截至 2024-03-04

合规性

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

Claude 3 Opus

模型概述

Anthropic Claude 3 Opus 旗舰模型, 200K 上下文, 超越 GPT-4 的推理与创意能力, 适合复杂分析任务。

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-opus2024-03-04200Ktext, imagetextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)81.2%5-shot
HumanEval83.3pass@1—
GSM8K (Grade School Math 8K)91.8%0-shot CoT
MATH42.7%0-shot CoT
BBH (BIG-Bench Hard)81.6%3-shot CoT
GPQA46.0%0-shot
IFEval79.2%prompt_strict
ARC94.5%challenge
MUSR53.3%0-shot
WinoGrande81.9%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 81.2，知识推理能力强。
  • HumanEval 83.3，代码生成能力出色。
  • GSM8K 91.8，数学推理稳健。
  • 支持文本、图像、音频多模态输入。
  • 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
  • 视觉与图像理解
  • Agent 工作流与工具调用

参考文献