Claude 3.7 Sonnet
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
- 総合Index53
- 推論57
- コーディング52
- エージェント・ツール52
- 数学53
- 知識53
- 指示追従49
- 人間の評価56
- 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[](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。
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 5.5max | 2026年9月28日 | 64.2 | #30 |
| Claude Sonnet 5high | 2026年6月30日 | 59.0 | #114 |
| Claude Sonnet 4.6 | 2026年2月17日 | 57.6 | #149 |
| Claude Sonnet 4.5high | 2025年9月29日 | 57.9 | #145 |
| Claude Sonnet 4thinking | 2025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 Sonnet | 2024年10月22日 | 46.8 | #419 |
| Claude 3 Sonnet | 2024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- 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%#138 | Epoch AI Benchmarking Hub | |
| Humanity's Last Examエフォート未記載 | – | – | 8.0%#35 | Scale AI / CAIS | |
| SimpleBenchエフォート未記載 | – | – | 46.4%#68 | SimpleBench | |
| Arena Hard Prompts | – | 1419#160 | 1399#183 | Arena (LMArena) | |
| GPQA Diamond (AA)Index対象外 | 65.6%#347 | 77.2%#226 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)Index対象外 | 4.2%#558 | 9.7%#351 | – | Artificial Analysis | |
| GPQA Diamond (Vals)Index対象外 | – | 75.3%#79 | 67.4%#98 | Vals AI | |
| GPQA Diamond (HELM)Index対象外エフォート未記載 | – | – | 60.8%#26 | HELM Capabilities | |
| CritPtIndex対象外 | 0.0%#337 | 0.9%#256 | – | Artificial Analysis | |
| Arena ExpertIndex対象外 | – | 1412#161 | 1391#186 | Arena (LMArena) | |
| ForecastBenchIndex対象外エフォート未記載 | – | – | 63.7%#40 | ForecastBench |
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%#29 | Epoch AI Benchmarking Hub | |
| GSO-Benchエフォート未記載 | – | – | 3.8%#30 | GSO-Bench | |
| Arena Coding | – | 1452#150 | 1432#181 | Arena (LMArena) | |
| LiveCodeBench | – | 60.4%#104 | 56.7%#109 | Vals AI | |
| Aider Polyglot | 60.4%#21 | 64.9%#17 | – | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only)エフォート未記載 | – | – | 52.8%#34 | SWE-bench | |
| SWE-bench Verified (any scaffold)Index対象外エフォート未記載 | – | – | 66.4%#19 | SWE-bench | |
| CadEvalIndex対象外エフォート未記載 | – | – | 54.0%#5 | Epoch AI Benchmarking Hub | |
| Design Arena WebsiteIndex対象外エフォート未記載 | – | – | 1185#94 | Design Arena | |
| LiveCodeBench (AA)Index対象外 | 39.4%#172 | 47.3%#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%#11 | Cybench | |
| Terminal-Bench Hard | 21.2%#162 | 21.2%#162 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)Index対象外 | 50.0%#200 | 54.7%#189 | – | Artificial Analysis | |
| DeepResearch BenchIndex対象外エフォート未記載 | – | – | 43.6%#32 | DeepResearch Bench | |
| TheAgentCompanyIndex対象外エフォート未記載 | – | – | 30.9%#4 | TheAgentCompany | |
| METR Time HorizonsIndex対象外エフォート未記載 | – | – | 60.0%#20 | METR | |
| BrowseCompIndex対象外エフォート未記載 | – | – | 0.9%#23 | OpenAI |
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%#179 | Epoch AI Benchmarking Hub | |
| MATH Level 5エフォート未記載 | – | – | 91.2%#19 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | – | 44.6%#63 | 22.3%#78 | Vals AI | |
| MGSM | – | 93.0%#12 | 92.4%#19 | Vals AI | |
| Omni-MATH (HELM)エフォート未記載 | – | – | 33.0%#38 | HELM Capabilities | |
| MATH 500Index対象外 | – | 91.6%#21 | 76.8%#42 | Vals AI | |
| Arena Maths | – | 1386#173 | 1364#190 | Arena (LMArena) | |
| AIME 2025 (AA)Index対象外 | 21.0%#198 | 56.3%#122 | – | Artificial Analysis |
知識
| ベンチマーク | thinking | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| MMLU-Pro | 82.7%#75 | 80.7%#83 | Vals AI | |
| LegalBench | 82.5%#68 | 80.0%#89 | Vals AI | |
| CorpFin | 60.4%#68 | – | Vals AI | |
| TaxEval | 74.0%#41 | 72.4%#61 | Vals AI | |
| MedQA | 90.2%#46 | – | Vals AI | |
| MultiNRC | 27.8%#26 | – | Scale AI SEAL | |
| MMLU-Pro (HELM)Index対象外エフォート未記載 | – | 78.4%#24 | HELM Capabilities |
指示追従
| ベンチマーク | 推論なし | thinking | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| IFBench | 44.0%#221 | 48.3%#186 | – | Artificial Analysis | |
| MultiChallenge | – | 51.6%#28 | – | Scale AI SEAL | |
| IFEval (HELM)エフォート未記載 | – | – | 83.4%#32 | HELM Capabilities | |
| WildBench (HELM)エフォート未記載 | – | – | 81.4%#26 | HELM Capabilities | |
| Arena Instruction FollowingIndex対象外 | – | 1411#128 | 1385#162 | Arena (LMArena) |
人間の評価
| ベンチマーク | thinking | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Arena Text | 1388#172 | 1373#190 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3Index対象外エフォート未記載 | – | 1412#75 | EQ-Bench | |
| Arena Creative WritingIndex対象外 | 1393#119 | 1377#145 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | 1400#161 | 1399#162 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | 1430#126 | 1412#150 | Arena (LMArena) | |
| Lech Mazur Creative WritingIndex対象外エフォート未記載 | – | 81.1%#15 | Lech 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#108 | 1151#118 | Arena (LMArena) | |
| MMMU-Pro | 60.1%#226 | – | – | Artificial Analysis | |
| VISTA | – | 48.2%#16 | 43.0%#35 | Scale AI SEAL | |
| MMMU-Pro (Vals)Index対象外 | – | 75.1%#55 | 71.5%#67 | Vals AI | |
| MortgageTaxIndex対象外 | – | 66.8%#30 | 68.7%#12 | Vals AI | |
| GeoBenchIndex対象外エフォート未記載 | – | – | 68.0%#26 | GeoBench | |
| VPCTIndex対象外エフォート未記載 | – | – | 39.0%#19 | Epoch AI Benchmarking Hub | |
| SpatialViz-BenchIndex対象外エフォート未記載 | – | – | 33.9%#5 | Epoch 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%#20 | Fiction.live | |
| AA-LCR v1.1 | 51.7%#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#111 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 15.3#295 | 17.7#270 | – | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 189.1#456 | 211.1#379 | – | Artificial Analysis | |
| HELM Capabilities meanIndex対象外エフォート未記載 | – | – | 67.4%#28 | HELM 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%#60 | Scale AI SEAL | |
| MASKIndex対象外 | 82.1%#23 | 72.3%#30 | Scale AI SEAL |
Anthropicのほかのモデル
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。
[](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}
}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