Claude 3 Opus (2024-02-29)：完整基准性能指南

anthropic 3-opus-20240229 2024-02-29 Proprietary

深入分析 Claude 3 Opus (2024-02-29) 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-opus-20240229
发布日期2024-02-29
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 85.7 % 2024-02-29 5-shot 查看
HUMANEVAL 79.7 pass@1 2024-02-29 — 查看
GSM8K 82.3 % 2024-02-29 0-shot CoT 查看
MATH 58.2 % 2024-02-29 0-shot CoT 查看
BBH 79.5 % 2024-02-29 3-shot CoT 查看
GPQA 38.6 % 2024-02-29 0-shot 查看
IFEVAL 75.5 % 2024-02-29 prompt_strict 查看
ARC 93.4 % 2024-02-29 challenge 查看
MUSR 57.3 % 2024-02-29 0-shot 查看
WINOGRANDE 87.8 % 2024-02-29 0-shot 查看

定价

项目 价格 币种
输入$15 / MtokUSD
输出$75 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://www.anthropic.com/pricing · 截至 2024-02-29

合规性

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

Claude 3 Opus (2024-02-29)

模型概述

Anthropic Claude 3 Opus 2024-02-29 快照版本, 200K 上下文, 旗舰级推理能力。

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-opus-20240229 2024-02-29 200K text, image text Proprietary

基准测试表现

基准 得分 单位 备注
MMLU (Massive Multitask Language Understanding) 85.7 % 5-shot
HumanEval 79.7 pass@1 —
GSM8K (Grade School Math 8K) 82.3 % 0-shot CoT
MATH 58.2 % 0-shot CoT
BBH (BIG-Bench Hard) 79.5 % 3-shot CoT
GPQA 38.6 % 0-shot
IFEval 75.5 % prompt_strict
ARC 93.4 % challenge
MUSR 57.3 % 0-shot
WinoGrande 87.8 % 0-shot

定价

输入 输出 缓存读取 缓存写入
— — — —

每百万 token

优势

  • MMLU 得分 85.7，知识推理能力强。
  • 支持文本、图像、音频多模态输入。
  • 上下文窗口 200K，支持长文本。

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
  • 长文档摘要
  • 视觉与图像理解
  • Agent 工作流与工具调用

参考文献