自动生成页面。 本页由 AI 自动撰写和翻译,并由软件对照来源进行核查,无人工编辑。SI-IQ 是基于公开基准测试结果构建的指数,不是智商测试。 工作原理
Claude 3.5 Sonnet (October 2024) 有多聪明？
76
Claude 3.5 Sonnet (October 2024) 是 Anthropic 于 2024年10月22日 发布的模型。其 SI-IQ 为 76（90% 区间 71–80），由 2 家独立评测方的 4 项基准测试结果估算得出。
该模型的独立基准测试结果少于 5 项，或评测方少于 2 家，因此仅展示，不参与排名。
基本信息
- 开发方
- Anthropic
- 发布时间
- 2024年10月22日
- 访问方式
- API 访问
- 所用基准测试
- 来自 2 家评测方的 4 项结果
各领域能力（SI-IQ，90% 区间）
我们使用的每项基准测试结果
每个分数都是来源发布的原始单一数值：Epoch AI 取其各运行设置中的最佳结果，OpenRouter 取托管服务商的中位数（若开发方自行托管并运行了测试，则取其自有托管的结果）。“隐含 SI-IQ”是该单项结果所对应的能力水平；总体 SI-IQ 是这些值按精度加权后的平均值。
| 基准测试 | 得分 | 评测方 | 来源 |
|---|---|---|---|
| MATH Level 5 | 56.9% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| OTIS Mock AIME 2024–2025 | 8.5% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
| Aider Polyglot | 51.6% | Aider | Aider LLM Leaderboards · 数据文件 |
| GPQA Diamond | 55.3% | Epoch AI | Epoch AI Benchmarking Hub · 数据文件 |
人类偏好（Arena）
在 Arena 排行榜上，用户会在两个匿名回答之间投票。Claude 3.5 Sonnet (October 2024) 的评分为 1,374（1,371–1,377），共 87,769 票（发布于 2026年10月15日）。人类偏好与基准测试所衡量的能力是不同的指标，不计入 SI-IQ。 Arena (Hugging Face)
采用 SI-IQ 方法版本 1.0.0 计算。 阅读完整方法论
数据来源: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0).