BenchLeader

Claude 3.7 Sonnet

推理强度
质量第 131 / 339 名
52.9Index
高于中位数
较中位数 +2.7

截至 2026年11月16日,Claude 3.7 Sonnet(Anthropic)在 BenchLeader Index 上得分 52.9(共 608 个已排名配置)。表现最好的是推理(57),最弱的是指令遵循(49)。发布于 2025年2月24日。

要点(截至 2026年11月16日)

  • Claude 3.7 Sonnet 于 2025年2月24日发布(Anthropic)。

详细说明:Claude 3.7 Sonnet 是 Anthropic 的闭源推理模型,发布于 2025年2月24日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 52.9 ±2.6,在 608 个配置中排第 269 名,处于上半区。关键在于这个“±”:另有 266 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,推理得分最高(57),指令遵循最低(49)。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。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
2025年2月24日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index53
  2. 推理57
  3. 编程52
  4. 智能体与工具52
  5. 数学53
  6. 知识53
  7. 指令遵循49
  8. 人类偏好56
  9. 多模态54

嵌入这个排名

更多徽章样式
[![Claude 3.7 Sonnet on BenchLeader: 综合第 130 名](https://www.benchleader.com/badge/claude-3-7-sonnet.svg?style=compact)](https://www.benchleader.com/models/claude-3-7-sonnet)

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。

Anthropic 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

Anthropic 以这个名称发布过 10 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 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本页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–––

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
无推理49.7#354––$0.0057智能体与工具 52 · 编程 57 · 指令遵循 46 · 长上下文 50 · 多模态 42
thinking最佳52.9#269–––智能体与工具 52 · 编程 52 · 人类偏好 56 · 指令遵循 49 · 知识 53 · 数学 53 · 多模态 54 · 推理 57
未说明49.2#364–––智能体与工具 44 · 编程 43 · 人类偏好 54 · 指令遵循 54 · 知识 52 · 长上下文 48 · 数学 50 · 多模态 49 · 推理 48

Index 走势

2026年9月8日 至 2026年11月16日
475156
  • thinking
  • 无推理
  • 默认

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

基准测试无推理thinking默认来源趋势
GPQA Diamond推理强度未说明––79.7%#138Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明––8.0%#35Scale AI / CAIS
SimpleBench推理强度未说明––46.4%#68SimpleBench
Arena Hard Prompts–1419#1601399#183Arena (LMArena)
GPQA Diamond (AA)不计入 Index65.6%#34777.2%#226–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index4.2%#5589.7%#351–Artificial Analysis
GPQA Diamond (Vals)不计入 Index–75.3%#7967.4%#98Vals AI
GPQA Diamond (HELM)不计入 Index推理强度未说明––60.8%#26HELM Capabilities
CritPt不计入 Index0.0%#3370.9%#256–Artificial Analysis
Arena Expert不计入 Index–1412#1611391#186Arena (LMArena)
ForecastBench不计入 Index推理强度未说明––63.7%#40ForecastBench

编程

基准测试无推理thinking默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明––61.0%#29Epoch AI Benchmarking Hub
GSO-Bench推理强度未说明––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)推理强度未说明––52.8%#34SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明––66.4%#19SWE-bench
CadEval不计入 Index推理强度未说明––54.0%#5Epoch AI Benchmarking Hub
Design Arena Website不计入 Index推理强度未说明––1185#94Design Arena
LiveCodeBench (AA)不计入 Index39.4%#17247.3%#146–Artificial Analysis

智能体与工具

基准测试无推理thinking默认来源趋势
Cybench推理强度未说明––20.0%#11Cybench
Terminal-Bench Hard21.2%#16221.2%#162–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index50.0%#20054.7%#189–Artificial Analysis
DeepResearch Bench不计入 Index推理强度未说明––43.6%#32DeepResearch Bench
TheAgentCompany不计入 Index推理强度未说明––30.9%#4TheAgentCompany
METR Time Horizons不计入 Index推理强度未说明––60.0%#20METR
BrowseComp不计入 Index推理强度未说明––0.9%#23OpenAI

数学

基准测试无推理thinking默认来源趋势
OTIS Mock AIME推理强度未说明––57.8%#179Epoch AI Benchmarking Hub
MATH Level 5推理强度未说明––91.2%#19Epoch AI Benchmarking Hub
AIME (Vals)–44.6%#6322.3%#78Vals AI
MGSM–93.0%#1292.4%#19Vals AI
Omni-MATH (HELM)推理强度未说明––33.0%#38HELM Capabilities
MATH 500不计入 Index–91.6%#2176.8%#42Vals AI
Arena Maths–1386#1731364#190Arena (LMArena)
AIME 2025 (AA)不计入 Index21.0%#19856.3%#122–Artificial Analysis

知识

基准测试thinking默认来源趋势
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)不计入 Index推理强度未说明–78.4%#24HELM Capabilities

指令遵循

基准测试无推理thinking默认来源趋势
IFBench44.0%#22148.3%#186–Artificial Analysis
MultiChallenge–51.6%#28–Scale AI SEAL
IFEval (HELM)推理强度未说明––83.4%#32HELM Capabilities
WildBench (HELM)推理强度未说明––81.4%#26HELM Capabilities
Arena Instruction Following不计入 Index–1411#1281385#162Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text1388#1721373#190Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1412#75EQ-Bench
Arena Creative Writing不计入 Index1393#1191377#145Arena (LMArena)
Arena Multi-turn不计入 Index1400#1611399#162Arena (LMArena)
Arena Longer Queries不计入 Index1430#1261412#150Arena (LMArena)
Lech Mazur Creative Writing不计入 Index推理强度未说明–81.1%#15Lech Mazur

多模态

基准测试无推理thinking默认来源趋势
Arena Vision–1169#1081151#118Arena (LMArena)
MMMU-Pro60.1%#226––Artificial Analysis
VISTA–48.2%#1643.0%#35Scale AI SEAL
MMMU-Pro (Vals)不计入 Index–75.1%#5571.5%#67Vals AI
MortgageTax不计入 Index–66.8%#3068.7%#12Vals AI
GeoBench不计入 Index推理强度未说明––68.0%#26GeoBench
VPCT不计入 Index推理强度未说明––39.0%#19Epoch AI Benchmarking Hub
SpatialViz-Bench不计入 Index推理强度未说明––33.9%#5Epoch AI Benchmarking Hub

长上下文

基准测试无推理默认来源趋势
Fiction.LiveBench 120k推理强度未说明–53.1%#20Fiction.live
AA-LCR v1.151.7%#339–Artificial Analysis

综合

基准测试无推理thinking默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––141#111Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index15.3#29517.7#270–Artificial Analysis
AA Progress Index v1不计入 Index189.1#456211.1#379–Artificial Analysis
HELM Capabilities mean不计入 Index推理强度未说明––67.4%#28HELM Capabilities

安全与诚实

基准测试thinking默认来源趋势
FORTRESS不计入 Index推理强度未说明–38.0%#60Scale AI SEAL
MASK不计入 Index82.1%#2372.3%#30Scale AI SEAL

Anthropic 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Claude 3.7 Sonnet 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。

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

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 3.7 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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Claude 3.7 Sonnet 的基准测试得分是多少?
截至 2026年11月16日,Claude 3.7 Sonnet(推理强度 thinking)的 BenchLeader Index 为 52.9 ±2.6。最强的是推理(57),最弱的是指令遵循(49)。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 3.7 Sonnet 排名第几?
截至 2026年11月16日,Claude 3.7 Sonnet(推理强度 thinking)在 608 个已排名配置中排第 269 名。另有 266 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 3.7 Sonnet 是什么时候发布的?
Anthropic 于 2025年2月24日发布了 Claude 3.7 Sonnet。BenchLeader 收录了它在 3 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Claude 3.7 Sonnet: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-3-7-sonnet。