Claude 3.5 Haiku：完整基准性能指南

anthropic 3.5-haiku 2024-11-04 Proprietary

深入分析 Claude 3.5 Haiku 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

核心规格

厂商anthropic
版本3.5-haiku
发布日期2024-11-04
上下文窗口200000 tokens
输入模态text, image
输出模态text
许可Proprietary
文档https://docs.anthropic.com/claude/docs

基准测试表现

基准 得分 单位 评测日期 备注 来源
MMLU 77.6 % 2024-11-04 5-shot 查看
HUMANEVAL 73.8 pass@1 2024-11-04 — 查看
GSM8K 75.5 % 2024-11-04 0-shot CoT 查看
MATH 53 % 2024-11-04 0-shot CoT 查看
BBH 70.2 % 2024-11-04 3-shot CoT 查看
GPQA 31.1 % 2024-11-04 0-shot 查看
IFEVAL 73.6 % 2024-11-04 prompt_strict 查看
ARC 91.8 % 2024-11-04 challenge 查看
MUSR 52.3 % 2024-11-04 0-shot 查看
WINOGRANDE 83.8 % 2024-11-04 0-shot 查看

定价

项目 价格 币种
输入$0.8 / MtokUSD
输出$4 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://www.anthropic.com/pricing · 截至 2024-11-04

合规性

  • 数据驻留: US
  • SOC2: ✓
  • HIPAA: ✗
  • GDPR: ✓
  • ISO 27001: ✗

Claude 3.5 Haiku

模型概述

Anthropic Claude 3.5 Haiku 经济型模型, 200K 上下文, 速度比 Sonnet 快 2 倍, 性能超越 Claude 3 Opus。

核心规格

厂商 版本 发布日期 上下文窗口 输入模态 输出模态 许可证
Anthropic 3.5-haiku 2024-11-04 200K text, image text Proprietary

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 77.6 % 5-shot
HumanEval 73.8 pass@1 —
GSM8K (Grade School Math 8K) 75.5 % 0-shot CoT
MATH 53.0 % 0-shot CoT
BBH (BIG-Bench Hard) 70.2 % 3-shot CoT
GPQA 31.1 % 0-shot
IFEval 73.6 % prompt_strict
ARC 91.8 % challenge
MUSR 52.3 % 0-shot
WinoGrande 83.8 % 0-shot

定价

输入 输出 缓存读取 缓存写入
— — — —

每百万 token

优势

  • 可靠的通用模型。

劣势

  • 闭源专有模型，不支持自托管。

适用场景

  • 代码生成与调试

参考文献