Anthropic · pașaport de model
Claude 3 Sonnet
claude-3-sonnet- Doar în cloud
- Licență Proprietary
- Lansat 2024-03-04(curatoriat)
- General · LMArena
- 1,281#282 din 396
- Cea mai bună percentilă
- 30.4Programare
- Poziția în cohortă
- 29.4mediană 31.7
Ce spun datele
Evaluat pe 10 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai slabe axe
- 9.3 pct — Vision Arena (1,016)
- 11 pct — AIME (matematică) (2.5%)
Neuniform: 21,1 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 30.4 pct pe Programare față de 9.3 pct pe Vision Arena.
- Programare30.4 pct1,318Verifică →
- Urmarea instrucțiunilor30.1 pct1,268Verifică →
- General29 pct1,281Verifică →
- Prompturi dificile29 pct1,283Verifică →
- MMLU-Pro (Artificial Analysis)25.1 pct57.9%Verifică →
- LiveBench23.7 pct38.1%Verifică →
- LiveCodeBench (Artificial Analysis)22.5 pct17.5%Verifică →
- GPQA Diamond21.7 pct40.6%Verifică →
- AIME (matematică)11 pct2.5%Verifică →
- Vision Arena9.3 pct1,016Verifică →
- WebDev ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
claude-3-sonnet-20240229 stands at 29.4 (raw mean 23.2) — measured on 10 of 27 axes.
claude-3-sonnet-20240229 stands at 29.4 versus a cohort median of 31.7 across 102 models released within 180 days — below the peer median.
On OTIS Mock AIME, claude-3-sonnet-20240229 raised the running best score by 0.3 percentage points to 2.5% on 2024-03-04.
claude-3-sonnet-20240229 scores at percentile 9.3 on Vision Arena.
claude-3-sonnet-20240229 scores in the 11th percentile on AIME (matematică).
claude-3-sonnet-20240229 ranks between #266 and #1,009 across 5 built-in weightings — best under "Axat pe programare", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →