Claude 3.5 Haiku
截至 2026年11月16日,Claude 3.5 Haiku(Anthropic)在 BenchLeader Index 上得分 38.7(共 608 个已排名配置)。表现最好的是人类偏好(48),最弱的是知识(31)。发布于 2024年11月4日。
要点(截至 2026年11月16日)
- Claude 3.5 Haiku 于 2024年11月4日发布(Anthropic)。
详细说明:Claude 3.5 Haiku 是 Anthropic 的闭源模型,发布于 2024年11月4日。其最佳配置在 BenchLeader Index 上得分 38.7 ±3.4,在 608 个配置中排第 556 名,处于下半区。关键在于这个“±”:另有 143 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(48),知识最低(31)。最近一次测量:2026年11月11日。
- 混合价格
- –
- 输出速度
- –
- 首次回答
- –
- 上下文
- 200k
- 来源:Artificial Analysis
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2024年11月4日
- 综合 Index39
- 推理36
- 编程34
- 智能体与工具36
- 数学37
- 知识31
- 指令遵循45
- 人类偏好48
- 多模态32
- 长上下文37
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/claude-3-5-haiku)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Anthropic 以这个名称发布过 6 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Claude Haiku 5.5xhigh | 2026年10月7日 | 56.7 | #173 |
| Claude Haiku 4.5 | 2025年10月15日 | 47.7 | #399 |
| Claude 3.5 Haiku本页 | 2024年11月4日 | 38.7 | #556 |
| Claude 3 Haiku | 2024年3月7日 | 36.1 | #582 |
| Claude Haiku 3 | – | – | – |
| Claude Haiku 4thinking | – | – | – |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 38.1%#265 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts | 1346#228 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 40.8%#484 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 3.6%#604 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 37.9%#127 | Vals AI | |
| GPQA Diamond (HELM)不计入 Index | 36.3%#55 | HELM Capabilities | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index | 1316#237 | Arena (LMArena) | |
| DTBench不计入 Index | 56.7%#202 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SciCode | 27.4%#223 | SciCode | |
| WeirdML | 30.7%#135 | WeirdML | |
| Arena Coding | 1386#217 | Arena (LMArena) | |
| LiveCodeBench | 41.9%#125 | Vals AI | |
| Aider Polyglot | 28.0%#48 | Aider polyglot leaderboard | |
| SWE-bench Verified (any scaffold)不计入 Index | 40.6%#46 | SWE-bench | |
| CadEval不计入 Index | 32.0%#10 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 2.1 (AA)不计入 Index | 10.1%#198 | Artificial Analysis | |
| LiveCodeBench (AA)不计入 Index | 31.4%#197 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 2.3%#325 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 24.6%#305 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | 218#274 | Artificial Analysis | |
| BALROG不计入 Index | 19.3%#25 | BALROG | |
| BrowseComp不计入 Index | 0.3%#39 | OpenAI |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 4.3%#262 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 46.4%#58 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 3.3%#92 | Vals AI | |
| MGSM | 84.6%#67 | Vals AI | |
| Omni-MATH (HELM) | 22.4%#54 | HELM Capabilities | |
| MATH 500不计入 Index | 64.2%#55 | Vals AI | |
| Arena Maths | 1287#247 | Arena (LMArena) |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro | 64.1%#127 | Vals AI | |
| LegalBench | 70.3%#121 | Vals AI | |
| CorpFin | 50.8%#103 | Vals AI | |
| TaxEval | 57.4%#132 | Vals AI | |
| MMLU-Pro (HELM)不计入 Index | 60.5%#46 | HELM Capabilities | |
| MMLU不计入 Index | 74.3%#40 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 42.8%#237 | Artificial Analysis | |
| IFEval (HELM) | 79.2%#50 | HELM Capabilities | |
| WildBench (HELM) | 76.0%#49 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1316#227 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1325#237 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1144#96 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1305#218 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1328#222 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1346#214 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 73.5%#29 | Lech Mazur |
多模态
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Vision | 1092#128 | Arena (LMArena) | |
| MMMU-Pro | 45.6%#267 | Artificial Analysis | |
| GeoBench不计入 Index | 34.0%#44 | GeoBench |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 27.3%#429 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 124.9#158 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 8.9#429 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 159.6#534 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | 54.9%#54 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 30.4%#59 | Scale AI SEAL |
Anthropic 的更多模型
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Claude 3.5 Haiku 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/claude-3-5-haiku)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Claude 3.5 Haiku on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/claude-3-5-haiku
BibTeX:
@misc{benchleader_claude_3_5_haiku_20261116,
author = {{BenchLeader}},
title = {{Claude 3.5 Haiku on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/claude-3-5-haiku}},
note = {Data as of 2026-11-16}
}常见问题
- Claude 3.5 Haiku 的基准测试得分是多少?
- 截至 2026年11月16日,Claude 3.5 Haiku 的 BenchLeader Index 为 38.7 ±3.4。最强的是人类偏好(48),最弱的是知识(31)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Claude 3.5 Haiku 排名第几?
- 截至 2026年11月16日,Claude 3.5 Haiku 在 608 个已排名配置中排第 556 名。另有 143 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Claude 3.5 Haiku 是什么时候发布的?
- Anthropic 于 2024年11月4日发布了 Claude 3.5 Haiku。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Claude 3.5 Haiku:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/claude-3-5-haiku。