Claude Sonnet 3.7 评测详情

Claude Sonnet 3.7 当前已收录的代表性评测结果包括 Aider-Polyglot（18 / 59，得分 64.90）、MMMU（33 / 74，得分 75）、SWE-bench Verified（61 / 116，得分 70.30）。并附有 1 个数据来源链接供参考。

评测结果

Claude Sonnet 3.7

评测结果

综合评估

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式

4.20

515 / 565

开启思考

10.30

390 / 565

开启思考

9.70

396 / 565

开启思考

0.90

159 / 201

科学与综合推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

68

338 / 463

开启思考

77

267 / 463

编程与软件工程

共 5 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

常规模式工具

62.30

80 / 116

SWE-bench Verified

开启思考工具

70.30

61 / 116

常规模式

39.40

189 / 251

开启思考

47.30

173 / 251

常规模式工具

3.80

19 / 21

数学推理

共 6 项评测

评测名称 / 模式

得分

排名/总数

常规模式

82.20

43 / 46

常规模式

54.80

149 / 216

开启思考

56.30

144 / 216

常规模式

23.30

58 / 62

常规模式

3.10

46 / 60

开启思考

4.10

41 / 60

写作和创作

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1409.10

63 / 106

多模态理解

共 5 项评测

评测名称 / 模式

得分

排名/总数

unknown

75

33 / 74

常规模式

68

14 / 20

常规模式

60.10

177 / 229

常规模式

39

18 / 24

64K

35

22 / 24

常识推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

44.90

61 / 93

开启思考

46.40

56 / 93

Agent能力评测

共 9 项评测

评测名称 / 模式

得分

排名/总数

常规模式

60.40

21 / 59

32K

64.90

18 / 59

开启思考工具

61.80

31 / 44

METR Time Horizons v1.1

常规模式工具

60.39

16 / 22

METR Time Horizons v1.1

16K工具

56.09

17 / 22

τ²-Bench - Telecom

常规模式工具

50

172 / 264

τ²-Bench - Telecom

开启思考工具

55

163 / 264

Terminal Bench Hard

常规模式工具

21.20

145 / 244

Terminal Bench Hard

开启思考工具

21

148 / 244

指令跟随

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

44

187 / 282

开启思考

48.30

165 / 282

生产力知识

共 1 项评测

评测名称 / 模式

得分

排名/总数

开启思考

28

14 / 15

长上下文能力

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

51.70

138 / 171

开启思考

61

128 / 171

AI Agent - 工具使用

共 1 项评测

评测名称 / 模式

得分

排名/总数

OSWorld-Verified

开启思考工具

28

26 / 26

长上下文

共 1 项评测

评测名称 / 模式

得分

排名/总数

Fiction.liveBench

常规模式

50

16 / 16

与其他模型对比

数据来源

anthropic.comanthropic.com