Claude 3 Sonnet：完整基准性能指南

anthropic 3-sonnet 2024-03-04 Proprietary

深入分析 Claude 3 Sonnet 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-sonnet
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
MMLU81.5%2024-03-045-shot查看
HUMANEVAL74.5pass@12024-03-04—查看
GSM8K84%2024-03-040-shot CoT查看
MATH42.4%2024-03-040-shot CoT查看
BBH76.1%2024-03-043-shot CoT查看
GPQA35.9%2024-03-040-shot查看
IFEVAL74.3%2024-03-04prompt_strict查看
ARC94.8%2024-03-04challenge查看
MUSR64.1%2024-03-040-shot查看
WINOGRANDE83.8%2024-03-040-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 2024-03-04

合规性

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

Claude 3 Sonnet

模型概述

Anthropic Claude 3 Sonnet 平衡型模型, 200K 上下文, 在速度与智能间取得平衡, 适合企业级部署。

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-sonnet2024-03-04200Ktext, imagetextProprietary

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)81.5%5-shot
HumanEval74.5pass@1—
GSM8K (Grade School Math 8K)84.0%0-shot CoT
MATH42.4%0-shot CoT
BBH (BIG-Bench Hard)76.1%3-shot CoT
GPQA35.9%0-shot
IFEval74.3%prompt_strict
ARC94.8%challenge
MUSR64.1%0-shot
WinoGrande83.8%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 81.5，知识推理能力强。
  • 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

参考文献