Claude Sonnet 4 Specifikációk, Értékelés és Összehasonlítás

AI Modell Weboldal

A modellt biztosító entitás.

Írjon be egy üzenetet a csevegés megkezdéséhez

Mikor jelent meg a modell először.

A modell által feldolgozható adattípusok

A modellt kínáló szolgáltatók. (Ez nem egy teljes lista.)

Utoljára mikor frissült a modell tudása.

A modell kódja nyilvánosan használható-e.

A promptokban feldolgozott tokenek költsége

A modell által generált tokenek költsége

Massive Multitask Language Understanding – 57 tantárgyban teszteli a tudást, beleértve a matematikát, történelmet, jogot és egyebeket

Egy robusztusabb MMLU benchmark nehezebb, gondolkodásra összpontosító kérdésekkel, nagyobb választási lehetőségekkel és csökkentett prompt érzékenységgel

Massive Multitask Multimodal Understanding – Teszteli a megértést szöveg, kép, hang és videó terén

Egy kihívást jelentő mondatkiegészítési benchmark

Értékeli a kódgenerálás és problémamegoldó képességeket

Különböző nehézségi szinteken teszteli a matematikai problémamegoldó képességeket

Doktori szintű tudást tesztel kémiában, biológiában és fizikában, több választós kérdéseken keresztül, amelyek mély szakmai tudást igényelnek

Teszteli a modell képességét, hogy pontosan kövesse az explicit formázási utasításokat, megfelelő kimeneteket generáljon, és következetesen betartsa az utasításokat különböző feladatok során

Egyszerű kérdések pontosságának értékelése

Többnyelvű programozási benchmark.

Valós idejű programozási benchmark

A benchmark egyszerűsített verziója a modellek globális szintű univerzalitásának értékelésére.

Értékeli az AI modellek matematikai következtetési képességeit vizuális környezetben