BenchLeader

Claude 3.7 Sonnet

推論エフォート
品質339中131位
52.9Index
中央値より上
中央値比 +2.7

2026年11月16日時点で、Claude 3.7 Sonnet(Anthropic)のBenchLeader Indexは52.9です(ランク付け対象は608構成)。最も強いのは推論(57)、最も弱いのは指示追従(49)です。2025年2月24日にリリースされました。

要点(2026年11月16日時点)

  • Claude 3.7 Sonnetは2025年2月24日にリリースされました(Anthropic)。

詳しく見ると:Claude 3.7 SonnetはAnthropicのプロプライエタリな推論モデルです(2025年2月24日リリース)。最もスコアの高い構成(推論エフォート thinking)は、BenchLeader Indexで52.9 ±2.6を記録し、608構成中269位で上位半分に入ります。重要なのはこの「±」です。ほかに266構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では推論が最も高く(57)、指示追従が最も低くなっています(49)。3通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。

ブレンド価格
–
出力速度
–
回答開始
–
コンテキスト
200k
出典:Artificial Analysis
タスクあたりコスト
–
タスクあたりトークン数
–
リリース日
2025年2月24日
カテゴリ別のスコア破線=平均的なモデル(50)。15ポイントが標準偏差1つ分です。
  1. 総合Index53
  2. 推論57
  3. コーディング52
  4. エージェント・ツール52
  5. 数学53
  6. 知識53
  7. 指示追従49
  8. 人間の評価56
  9. マルチモーダル54

この順位を埋め込む

ほかのバッジスタイル
[![Claude 3.7 Sonnet on BenchLeader: 総合 130位](https://www.benchleader.com/badge/claude-3-7-sonnet.svg?style=compact)](https://www.benchleader.com/models/claude-3-7-sonnet)

README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。

Anthropicの新モデル公開をメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

バージョン

Anthropicはこの名前で10つのモデルを公開しています。それぞれ自身の結果だけでランク付けされます。新しいバージョンはまだ結果が少ないことが多く、結果が増えるまではIndexが平均寄りになります。

モデルリリース日Index順位
Claude Sonnet 5.5max2026年9月28日64.2#30
Claude Sonnet 5high2026年6月30日59.0#114
Claude Sonnet 4.62026年2月17日57.6#149
Claude Sonnet 4.5high2025年9月29日57.9#145
Claude Sonnet 4thinking2025年5月22日53.8#248
Claude 3.7 Sonnetthinkingこのページ2025年2月24日52.9#269
Claude 3.5 Sonnet2024年10月22日46.8#419
Claude 3 Sonnet2024年2月29日37.7#568
Claude 37 Sonnetthinking–––
Claude Sonnet 5.0max–––

推論エフォート別の構成

同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。

エフォートIndex順位速度回答開始チャット返答のコストカテゴリ
推論なし49.7#354––$0.0057エージェント・ツール 52 · コーディング 57 · 指示追従 46 · 長文コンテキスト 50 · マルチモーダル 42
thinking最良52.9#269–––エージェント・ツール 52 · コーディング 52 · 人間の評価 56 · 指示追従 49 · 知識 53 · 数学 53 · マルチモーダル 54 · 推論 57
未記載49.2#364–––エージェント・ツール 44 · コーディング 43 · 人間の評価 54 · 指示追従 54 · 知識 52 · 長文コンテキスト 48 · 数学 50 · マルチモーダル 49 · 推論 48

Indexの推移

2026年9月8日〜2026年11月16日
475156
  • thinking
  • 推論なし
  • 標準

Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。

ベンチマーク結果

LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。

推論

ベンチマーク推論なしthinking標準出典推移
GPQA Diamondエフォート未記載––79.7%#138Epoch AI Benchmarking Hub
Humanity's Last Examエフォート未記載––8.0%#35Scale AI / CAIS
SimpleBenchエフォート未記載––46.4%#68SimpleBench
Arena Hard Prompts–1419#1601399#183Arena (LMArena)
GPQA Diamond (AA)Index対象外65.6%#34777.2%#226–Artificial Analysis
Humanity's Last Exam (AA)Index対象外4.2%#5589.7%#351–Artificial Analysis
GPQA Diamond (Vals)Index対象外–75.3%#7967.4%#98Vals AI
GPQA Diamond (HELM)Index対象外エフォート未記載––60.8%#26HELM Capabilities
CritPtIndex対象外0.0%#3370.9%#256–Artificial Analysis
Arena ExpertIndex対象外–1412#1611391#186Arena (LMArena)
ForecastBenchIndex対象外エフォート未記載––63.7%#40ForecastBench

コーディング

ベンチマーク推論なしthinking標準出典推移
SWE-bench Verified (Epoch)エフォート未記載––61.0%#29Epoch AI Benchmarking Hub
GSO-Benchエフォート未記載––3.8%#30GSO-Bench
Arena Coding–1452#1501432#181Arena (LMArena)
LiveCodeBench–60.4%#10456.7%#109Vals AI
Aider Polyglot60.4%#2164.9%#17–Aider polyglot leaderboard
SWE-bench Verified (bash only)エフォート未記載––52.8%#34SWE-bench
SWE-bench Verified (any scaffold)Index対象外エフォート未記載––66.4%#19SWE-bench
CadEvalIndex対象外エフォート未記載––54.0%#5Epoch AI Benchmarking Hub
Design Arena WebsiteIndex対象外エフォート未記載––1185#94Design Arena
LiveCodeBench (AA)Index対象外39.4%#17247.3%#146–Artificial Analysis

エージェント・ツール

ベンチマーク推論なしthinking標準出典推移
Cybenchエフォート未記載––20.0%#11Cybench
Terminal-Bench Hard21.2%#16221.2%#162–Artificial Analysis
τ²-Bench Telecom (AA)Index対象外50.0%#20054.7%#189–Artificial Analysis
DeepResearch BenchIndex対象外エフォート未記載––43.6%#32DeepResearch Bench
TheAgentCompanyIndex対象外エフォート未記載––30.9%#4TheAgentCompany
METR Time HorizonsIndex対象外エフォート未記載––60.0%#20METR
BrowseCompIndex対象外エフォート未記載––0.9%#23OpenAI

数学

ベンチマーク推論なしthinking標準出典推移
OTIS Mock AIMEエフォート未記載––57.8%#179Epoch AI Benchmarking Hub
MATH Level 5エフォート未記載––91.2%#19Epoch AI Benchmarking Hub
AIME (Vals)–44.6%#6322.3%#78Vals AI
MGSM–93.0%#1292.4%#19Vals AI
Omni-MATH (HELM)エフォート未記載––33.0%#38HELM Capabilities
MATH 500Index対象外–91.6%#2176.8%#42Vals AI
Arena Maths–1386#1731364#190Arena (LMArena)
AIME 2025 (AA)Index対象外21.0%#19856.3%#122–Artificial Analysis

知識

ベンチマークthinking標準出典推移
MMLU-Pro82.7%#7580.7%#83Vals AI
LegalBench82.5%#6880.0%#89Vals AI
CorpFin60.4%#68–Vals AI
TaxEval74.0%#4172.4%#61Vals AI
MedQA90.2%#46–Vals AI
MultiNRC27.8%#26–Scale AI SEAL
MMLU-Pro (HELM)Index対象外エフォート未記載–78.4%#24HELM Capabilities

指示追従

ベンチマーク推論なしthinking標準出典推移
IFBench44.0%#22148.3%#186–Artificial Analysis
MultiChallenge–51.6%#28–Scale AI SEAL
IFEval (HELM)エフォート未記載––83.4%#32HELM Capabilities
WildBench (HELM)エフォート未記載––81.4%#26HELM Capabilities
Arena Instruction FollowingIndex対象外–1411#1281385#162Arena (LMArena)

人間の評価

ベンチマークthinking標準出典推移
Arena Text1388#1721373#190Arena (LMArena)
EQ-Bench Creative Writing v3Index対象外エフォート未記載–1412#75EQ-Bench
Arena Creative WritingIndex対象外1393#1191377#145Arena (LMArena)
Arena Multi-turnIndex対象外1400#1611399#162Arena (LMArena)
Arena Longer QueriesIndex対象外1430#1261412#150Arena (LMArena)
Lech Mazur Creative WritingIndex対象外エフォート未記載–81.1%#15Lech Mazur

マルチモーダル

ベンチマーク推論なしthinking標準出典推移
Arena Vision–1169#1081151#118Arena (LMArena)
MMMU-Pro60.1%#226––Artificial Analysis
VISTA–48.2%#1643.0%#35Scale AI SEAL
MMMU-Pro (Vals)Index対象外–75.1%#5571.5%#67Vals AI
MortgageTaxIndex対象外–66.8%#3068.7%#12Vals AI
GeoBenchIndex対象外エフォート未記載––68.0%#26GeoBench
VPCTIndex対象外エフォート未記載––39.0%#19Epoch AI Benchmarking Hub
SpatialViz-BenchIndex対象外エフォート未記載––33.9%#5Epoch AI Benchmarking Hub

長文コンテキスト

ベンチマーク推論なし標準出典推移
Fiction.LiveBench 120kエフォート未記載–53.1%#20Fiction.live
AA-LCR v1.151.7%#339–Artificial Analysis

総合

ベンチマーク推論なしthinking標準出典推移
Epoch Capabilities IndexIndex対象外エフォート未記載––141#111Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2Index対象外15.3#29517.7#270–Artificial Analysis
AA Progress Index v1Index対象外189.1#456211.1#379–Artificial Analysis
HELM Capabilities meanIndex対象外エフォート未記載––67.4%#28HELM Capabilities

安全性・誠実さ

ベンチマークthinking標準出典推移
FORTRESSIndex対象外エフォート未記載–38.0%#60Scale AI SEAL
MASKIndex対象外82.1%#2372.3%#30Scale AI SEAL

Anthropicのほかのモデル

今月の新着

関連ページ

埋め込み・引用

Claude 3.7 Sonnetの順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。

[![Claude 3.7 Sonnet on BenchLeader: 総合 130位](https://www.benchleader.com/badge/claude-3-7-sonnet.svg)](https://www.benchleader.com/models/claude-3-7-sonnet)

このページを引用する

ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:

BenchLeader. (2026, November 16). Claude 3.7 Sonnet on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-3-7-sonnet

BibTeX:

@misc{benchleader_claude_3_7_sonnet_20261116,
  author       = {{BenchLeader}},
  title        = {{Claude 3.7 Sonnet on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/claude-3-7-sonnet}},
  note         = {Data as of 2026-11-16}
}

すべてのバッジスタイル、埋め込み用のトップ10ウィジェット、Indexの引用方法

よくある質問

Claude 3.7 Sonnetのベンチマークスコアは?
2026年11月16日時点で、Claude 3.7 Sonnet(推論エフォート thinking)のBenchLeader Indexは52.9 ±2.6です。最も強いのは推論(57)、最も弱いのは指示追従(49)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
Claude 3.7 Sonnetの順位は?
2026年11月16日時点で、Claude 3.7 Sonnet(推論エフォート thinking)はランク付けされた608構成中269位です。ほかに266構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
Claude 3.7 Sonnetはいつリリースされましたか?
Anthropicが2025年2月24日にClaude 3.7 Sonnetをリリースしました。BenchLeaderには3通りの推論エフォート設定での結果があります。

2026年11月16日時点のデータです。 これらの構成を比較

引用表記:BenchLeader「Claude 3.7 Sonnet:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/claude-3-7-sonnet