Anthropic
Claude 3.7 Sonnet 评测成绩
来自 5 个来源、10 项基准的 28 条成绩。
闭源 发布: 2025年2月24日 更新于 2026年10月22日
其他名称: claude-3-7-sonnet-20250219-thinking-32k · claude-3-7-sonnet-20250219 · claude-3-7-sonnet-20250219_64K · Claude 3.7 Sonnet (64k thinking) · claude-3-7-sonnet-20250219_32K · Claude 3.7 Sonnet (32k thinking) · claude-3-7-sonnet-20250219_16K · Claude 3.7 Sonnet (16k thinking) · claude-3-7-sonnet-20250219_unknown · Claude 3.7 Sonnet (unknown thinking)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1388 | 177 | Overall, style control on; 38162 votes; 95% CI 1384–1392“claude-3-7-sonnet-20250219-thinking-32k” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1372 | 195 | Overall, style control on; 42573 votes; 95% CI 1368–1376“claude-3-7-sonnet-20250219” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1193 | 89 | Overall, style control on; 1438 votes; 95% CI 1177–1208“claude-3-7-sonnet-20250219-thinking-32k” | 官方榜单 | 2026年10月2日 |
| LMArena Vision | 1175 | 99 | Overall, style control on; 4519 votes; 95% CI 1166–1185“claude-3-7-sonnet-20250219” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 79.7% | 117 | Epoch AI run, accuracy; effort: 64k thinking | 独立评测 | 2025年5月26日 |
| GPQA Diamond | 76.8% | 129 | Epoch AI run, accuracy; effort: 32k thinking | 独立评测 | 2025年3月10日 |
| GPQA Diamond | 76.8% | 129 | Epoch AI run, accuracy; effort: 16k thinking | 独立评测 | 2025年2月26日 |
| GPQA Diamond | 66.0% | 172 | Epoch AI run, accuracy | 独立评测 | 2025年2月24日 |
| MMLU-Pro | 84.0% | 40 | Overall accuracy; data source: Self-Reported“Claude-3.7-Sonnet-Thinking” | 厂商自报 | 2026年3月11日 |
| SWE-bench Verified | 61.0% | 29 | Epoch AI run (Epoch scaffold) | 独立评测 | 2026年2月4日 |
| SWE-bench Verified | 66.4% | 34 | agent: Aime-coder v1“claude-3-7-sonnet-20250219” | 官方榜单 | 2025年5月14日 |
| SWE-bench Verified | 62.4% | 46 | agent: SWE-agent“claude-3-7-sonnet-20250219” | 官方榜单 | 2025年2月25日 |
| SWE-bench Verified | 52.8% | 65 | agent: mini-SWE-agent“claude-3-7-sonnet-20250219” | 官方榜单 | 2025年7月20日 |
| AIME (OTIS Mock AIME 2024–2025) | 57.8% | 152 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: 64k thinking | 独立评测 | 2025年3月13日 |
| AIME (OTIS Mock AIME 2024–2025) | 53.3% | 161 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: 32k thinking | 独立评测 | 2025年3月12日 |
| AIME (OTIS Mock AIME 2024–2025) | 46.7% | 172 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: 16k thinking | 独立评测 | 2025年2月26日 |
| AIME (OTIS Mock AIME 2024–2025) | 21.9% | 205 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年2月25日 |
| MATH Level 5 | 91.2% | 20 | Epoch AI run, accuracy; effort: 64k thinking | 独立评测 | 2025年3月13日 |
| MATH Level 5 | 90.0% | 22 | Epoch AI run, accuracy; effort: 32k thinking | 独立评测 | 2025年3月12日 |
| MATH Level 5 | 86.3% | 28 | Epoch AI run, accuracy; effort: 16k thinking | 独立评测 | 2025年2月26日 |
| MATH Level 5 | 68.2% | 44 | Epoch AI run, accuracy | 独立评测 | 2025年2月24日 |
| Humanity's Last Exam | 8.0% | 38 | Compiled by Epoch AI; effort: unknown thinking | 第三方汇编 via Epoch AI | 2025年2月24日 |
| OSWorld (Verified) | 35.8% | 8 | OSWorld; agent: claude-3-7-sonnet-20250219 (50 steps) | 官方榜单 via Epoch AI | 2025年7月27日 |
| OSWorld (Verified) | 35.6% | 9 | OSWorld; agent: claude-3-7-sonnet-20250219 (100 steps) | 官方榜单 via Epoch AI | 2025年7月27日 |
| OSWorld (Verified) | 27.1% | 13 | OSWorld; agent: claude-3-7-sonnet-20250219 (15 steps) | 官方榜单 via Epoch AI | 2025年7月27日 |
| τ²-bench | 64.2% | 12 | airline domain, pass^1; submitted by Sierra; v0.1.3“Claude-3.7-Sonnet” | 官方榜单 | 2025年6月9日 |
| τ²-bench | 72.1% | 23 | retail domain, pass^1; submitted by Sierra; v0.1.3“Claude-3.7-Sonnet” | 官方榜单 | 2025年6月9日 |
| τ²-bench | 49.0% | 19 | telecom domain, pass^1; submitted by Sierra; v0.1.3“Claude-3.7-Sonnet” | 官方榜单 | 2025年6月9日 |
常见问题
Claude 3.7 Sonnet 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset、MMLU-Pro leaderboard (TIGER-Lab)、SWE-bench leaderboards (swebench.com)和τ²-bench leaderboard submissions。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。