Claude 3.7 Sonnet
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
- 综合 Index53
- 推理57
- 编程52
- 智能体与工具52
- 数学53
- 知识53
- 指令遵循49
- 人类偏好56
- 多模态54
嵌入这个排名
更多徽章样式[](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。
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 5.5max | 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本页 | 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 | – | – | – |
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。
Index 走势
2026年9月8日 至 2026年11月16日- 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%#138 | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam推理强度未说明 | – | – | 8.0%#35 | Scale AI / CAIS | |
| SimpleBench推理强度未说明 | – | – | 46.4%#68 | SimpleBench | |
| Arena Hard Prompts | – | 1419#160 | 1399#183 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 65.6%#347 | 77.2%#226 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 4.2%#558 | 9.7%#351 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | – | 75.3%#79 | 67.4%#98 | Vals AI | |
| GPQA Diamond (HELM)不计入 Index推理强度未说明 | – | – | 60.8%#26 | HELM Capabilities | |
| CritPt不计入 Index | 0.0%#337 | 0.9%#256 | – | Artificial Analysis | |
| Arena Expert不计入 Index | – | 1412#161 | 1391#186 | Arena (LMArena) | |
| ForecastBench不计入 Index推理强度未说明 | – | – | 63.7%#40 | ForecastBench |
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%#29 | Epoch AI Benchmarking Hub | |
| GSO-Bench推理强度未说明 | – | – | 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)推理强度未说明 | – | – | 52.8%#34 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index推理强度未说明 | – | – | 66.4%#19 | SWE-bench | |
| CadEval不计入 Index推理强度未说明 | – | – | 54.0%#5 | Epoch AI Benchmarking Hub | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | 1185#94 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 39.4%#172 | 47.3%#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%#11 | Cybench | |
| Terminal-Bench Hard | 21.2%#162 | 21.2%#162 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 50.0%#200 | 54.7%#189 | – | Artificial Analysis | |
| DeepResearch Bench不计入 Index推理强度未说明 | – | – | 43.6%#32 | DeepResearch Bench | |
| TheAgentCompany不计入 Index推理强度未说明 | – | – | 30.9%#4 | TheAgentCompany | |
| METR Time Horizons不计入 Index推理强度未说明 | – | – | 60.0%#20 | METR | |
| BrowseComp不计入 Index推理强度未说明 | – | – | 0.9%#23 | OpenAI |
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%#179 | Epoch AI Benchmarking Hub | |
| MATH Level 5推理强度未说明 | – | – | 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)推理强度未说明 | – | – | 33.0%#38 | HELM Capabilities | |
| MATH 500不计入 Index | – | 91.6%#21 | 76.8%#42 | Vals AI | |
| Arena Maths | – | 1386#173 | 1364#190 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 21.0%#198 | 56.3%#122 | – | Artificial Analysis |
知识
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| 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)不计入 Index推理强度未说明 | – | 78.4%#24 | HELM Capabilities |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 44.0%#221 | 48.3%#186 | – | Artificial Analysis | |
| MultiChallenge | – | 51.6%#28 | – | Scale AI SEAL | |
| IFEval (HELM)推理强度未说明 | – | – | 83.4%#32 | HELM Capabilities | |
| WildBench (HELM)推理强度未说明 | – | – | 81.4%#26 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | – | 1411#128 | 1385#162 | Arena (LMArena) |
人类偏好
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1388#172 | 1373#190 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1412#75 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1393#119 | 1377#145 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1400#161 | 1399#162 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1430#126 | 1412#150 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index推理强度未说明 | – | 81.1%#15 | Lech Mazur |
多模态
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| 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)不计入 Index | – | 75.1%#55 | 71.5%#67 | Vals AI | |
| MortgageTax不计入 Index | – | 66.8%#30 | 68.7%#12 | Vals AI | |
| GeoBench不计入 Index推理强度未说明 | – | – | 68.0%#26 | GeoBench | |
| VPCT不计入 Index推理强度未说明 | – | – | 39.0%#19 | Epoch AI Benchmarking Hub | |
| SpatialViz-Bench不计入 Index推理强度未说明 | – | – | 33.9%#5 | Epoch 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%#20 | Fiction.live | |
| AA-LCR v1.1 | 51.7%#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#111 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 15.3#295 | 17.7#270 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 189.1#456 | 211.1#379 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index推理强度未说明 | – | – | 67.4%#28 | HELM 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%#60 | Scale AI SEAL | |
| MASK不计入 Index | 82.1%#23 | 72.3%#30 | 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 3.7 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。
[](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}
}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。