Claude 3.7 Sonnet

anthropic·2 个数据来源·更新于 2026-11-10

评测表现

只在同一来源、同一口径下比较。切换来源可查看不同测试结果。

2 个评测来源

当前配置:各基准设置见下表

采集于 2026-11-10查看原始页面
LLM Stats · 公开基准成绩
暂无综合分数当前所选配置的来源分数

不同来源的分数不能直接相加或横向比较;评测任务成本不是 API Token 单价。

逐项基准成绩

11 项已收录成绩 · 保留原始单位和测试条件

AIME 2024厂商自报 · 越高越好
80%
成绩出处
AIME 2025厂商自报 · 越高越好
54.8%

Parallel test-time compute (footnotes 4, 5)

成绩出处
GPQA厂商自报 · 越高越好
84.8%

Diamond

成绩出处
IFEval厂商自报 · 越高越好
93.2%
成绩出处
MATH-500厂商自报 · 越高越好
96.2%
成绩出处
MMMLU厂商自报 · 越高越好
86.1%

Average over 14 non-English languages (footnote 3)

成绩出处
MMMU厂商自报 · 越高越好
75%

validation

成绩出处
SWE-Bench Verified厂商自报 · 越高越好
70.3%

With multiple parallel attempts and advanced scaffolding

成绩出处
TAU-bench Airline厂商自报 · 越高越好
58.4%

With prompt addendum to better utilize planning

成绩出处
TAU-bench Retail厂商自报 · 越高越好
81.2%

With prompt addendum to better utilize planning

成绩出处
Terminal-Bench厂商自报 · 越高越好
35.2%

Parallel test-time compute, Claude Code agent framework (footnotes 2, 5)

成绩出处

技术规格

只展示有可靠来源的资料;优先采用厂商官网与官方模型仓库。

发布日期
2025-02-24LLM Stats
许可证
ProprietaryLLM Stats

价格与用量

美元 / 百万 Token。不同服务商或测试配置的报价分别列出。

暂无可核验的 API 报价。

每个数字,都有出处

同名模型通过开发机构和明确版本关联。预览版、日期版本和不同规模模型分别建档。

LLM Stats

公开模型页与公开榜单;自报成绩单独标识

1 条记录最近采集 2026-11-10

Arena

Arena 官方公开数据集 · CC BY 4.0

2 条记录最近采集 2026-11-10
查看全部配置与采集记录
来源 / 配置采集时间原始数据
LLM StatsClaude 3.7 SonnetSHA-256 dfcd7b2cd39e14e8…2026-11-10T13:56:07Z查看来源
ArenaClaude 3.7 Sonnet (Thinking 32K, 20250219)2026-11-10T14:07:52Z查看来源
ArenaClaude 3.7 Sonnet (Thinking 32K, 20250219)2026-11-10T14:07:52Z查看来源
继续浏览模型排行榜