聪明世界#199
编程暂无
记性200K
便宜$1.3
记性换算成体感：一次能读完一本《三体》
Claude Haiku 系列的视觉模型 · 按发布时间
共 4 个 · Anthropic的全部模型 →他的房间
电脑
没有公开的编程评测成绩
书架
3 层 · 记忆 200K tokens
黑板
数学与科学推理
日历
知识停在 2023-08-31
冰箱
支持上下文缓存，能存记忆
门禁
闭源，权重不公开
身世
- 发布日期
- 2024 年 3 月 7 日epoch.ai
- 知识截止
- 2023-08-31
- 参数量
- 体型为估算值，官方从未公布参数量
- 开放权重
- 否
- 开源许可
- 暂无数据
- 上下文窗口
- 200K tokens
- 单次最大输出
- 4K
- 输入价格
- $0.25 / 百万 tokens
- 输出价格
- $1.25 / 百万 tokens
- 模型类型
- 视觉除了文字还能看图片或视频，输出文字
- 支持的输入
- 图像、文件、文字 → 文字
- 工具调用
- 是
- 深度思考
- 否
- 提示缓存
- 是
战绩
- 综合智力
- 118.3
- AIME 数学
- 1.8%
- GPQA Diamond 科学
- 36.3%
- ARC-AGI-2 抽象推理
- 未参评
- Fiction.liveBench 长文本
- 未参评
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
没有查到这个模型的任何公开编程评测成绩。
这表示「没人公开测过它」，不表示「它不会写代码」——本站不会用估算值填补空缺。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力118.3第 199 / 208Epoch Capabilities Index，把十几项学术评测归并成一个总分。想知道「谁最强」，先看这一栏。第三方实测https://epoch.ai/benchmarks
数学
- AIME 数学1.8%第 184 / 191美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测https://epoch.ai/benchmarks
- MATH 五级14.9%第 88 / 91MATH 题库里难度最高的一档，高中竞赛水平。老榜单，顶尖模型早已接近满分。第三方实测https://epoch.ai/benchmarks/math-level-5
知识与推理
- GPQA 科学36.3%第 182 / 197博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测https://epoch.ai/benchmarks
- MMLU73.8%第 36 / 44横跨 57 个学科的大学水平选择题，曾是最通行的知识广度标尺。如今顶尖模型已接近饱和。第三方实测https://crfm.stanford.edu/helm/lite/latest/#/leaderboard/mmlu
- WeirdML9.8%第 137 / 146一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测https://htihle.github.io/weirdml.html
- WinoGrande74.2%第 16 / 17指代消解的常识题（「它」指的是哪个？）。早期榜单，已经饱和。第三方实测https://assets.anthropic.com/m/61e7d27f8c8f5919/original/Claude-3-Model-Card.pdf
- ScienceQA72.0%第 5 / 6中小学科学题，部分带图。早期多模态榜单。第三方实测http://arxiv.org/abs/2404.14219
智能体
- CAD 建模12.0%第 16 / 17按文字描述生成三维 CAD 模型，考的是工程建模能力。第三方实测https://willpatrick.xyz/cadevalresults_20250422_095709/
其他
- Dtbench50.1%第 187 / 198Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench
- Lmca8.8%第 169 / 183Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/lmca