CONFIRMADOCerteza de la fecha: CONFIRMADOAnunciado como firmeCon qué firmeza la fuente expresa la fecha: confirmada, programada, estimada, retrasada o sin verificar.Ver todos los pines CONFIRMADO85% DE CONFIANZAConfianza general: 85%Hasta qué punto la fuente y las referencias del pin respaldan sus fechas.Media ponderada de la firmeza con la que 4 referencias, incluida la fuente, respaldan las horas de inicio y fin del pin; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más recienteMostrar todos los pines con un 75% de confianza o más
La publicación está fechada el «24 de febrero de 2025»: «Hoy anunciamos Claude 3.7 Sonnet» y «ya está disponible en todos los planes de Claude»; TechCrunch[4] dice que «se está implementando para todos los usuarios y desarrolladores el lunes» (24 de febrero).- Inicio
- 24 feb 202590% DE CONFIANZAfuente
Anthropic lanza Claude 3.7 Sonnet
Traducido automáticamente del original
Título original: Claude 3.7 Sonnet Released
Anthropic lanza Claude 3.7 Sonnet, el primer modelo de razonamiento híbrido, que responde al instante o piensa paso a paso durante el tiempo que el usuario permita, y lanza junto a él el agente de terminal Claude Code.
- Anthropic llamó a Claude 3.7 Sonnet «nuestro modelo más inteligente hasta la fecha y el primer modelo de razonamiento híbrido del mercado»: un modelo que ofrece respuestas casi instantáneas o «un pensamiento extendido, paso a paso, que se hace visible para el usuario»[1][4]
- Salió en todos los planes de Claude - Free, Pro, Team y Enterprise - y en la Claude Developer Platform, Amazon Bedrock y Vertex AI de Google Cloud; el pensamiento extendido está en todas las superficies excepto en el nivel gratuito[1][4]
- Claude Code, la primera herramienta de codificación agéntica de Anthropic, se lanzó junto con él como vista previa de investigación limitada que funciona desde la terminal, y la integración con GitHub llegó a todos los planes de Claude[1]
- Reduce las negativas innecesarias en un 45% respecto a su predecesor y se lanzó bajo el estándar ASL-2[1][2]
- La versión saltó de 3.5 a 3.7, y en febrero de 2025 Claude 3.7 Sonnet empezó a jugar a Pokémon Red en directo en Twitch[3][4]
Características destacadas
- $3 por millón de tokens de entrada y $15 por millón de tokens de salida en ambos modos, tokens de pensamiento incluidos[1][4]
- Los usuarios de la API fijan un presupuesto de pensamiento de cualquier tamaño hasta el límite de salida de 128K tokens, intercambiando velocidad y coste por calidad[1]
- Los gráficos de Anthropic dan 62.3% en SWE-bench Verified (70.3% con un andamiaje personalizado) frente al 49.0% del 3.5 Sonnet actualizado, y 81.2% (minorista) y 58.4% (aerolínea) en TAU-bench[1]
- Anthropic dice que lo optimizó menos para competencias de matemáticas y codificación y más para tareas empresariales del mundo real[1]
- En modo estándar es un Claude 3.5 Sonnet mejorado; en modo de pensamiento extendido reflexiona antes de responder, lo que ayuda en matemáticas, física, seguimiento de instrucciones y codificación[1]
Pruebas de referencia[1]
| Prueba de referencia | Claude 3.7 Sonnet (pensamiento extendido de 64K) | Claude 3.7 Sonnet (sin pensamiento extendido) | Claude 3.5 Sonnet (nuevo) | OpenAI o1¹ | OpenAI o3-mini¹ (high) | DeepSeek R1 (pensamiento extendido de 32K) | Grok 3 Beta (pensamiento extendido) |
|---|---|---|---|---|---|---|---|
| Razonamiento de nivel de posgrado (GPQA Diamond)³ | 78.2% / 84.8% | 68.0% | 65.0% | 75.7% / 78.0% | 79.7% | 71.5% | 80.2% / 84.6% |
| Codificación agéntica (SWE-bench Verified)² | — | 62.3% / 70.3% | 49.0% | 48.9% | 49.3% | 49.2% | — |
| Uso agéntico de herramientas (TAU-bench), minorista | — | 81.2% | 71.5% | 73.5% | — | — | — |
| Uso agéntico de herramientas (TAU-bench), aerolínea | — | 58.4% | 48.8% | 54.2% | — | — | — |
| Preguntas y respuestas multilingües (MMMLU) | 86.1% | 83.2% | 82.1% | 87.7% | 79.5% | — | — |
| Razonamiento visual (validación MMMU) | 75% | 71.8% | 70.4% | 78.2% | — | — | 76.0% / 78.0% |
| Seguimiento de instrucciones (IFEval) | 93.2% | 90.8% | 90.2% | — | — | 83.3% | — |
| Resolución de problemas matemáticos (MATH 500) | 96.2% | 82.2% | 78.0% | 96.4% | 97.9% | 97.3% | — |
| Competencia de matemáticas de secundaria (AIME 2024)³ | 61.3% / 80.0% | 23.3% | 16.0% | 79.2% / 83.3% | 87.3% | 79.8% | 83.9% / 93.3% |
Pass@1 promediado en varias pruebas (hasta 16 para AIME y SWE-bench Verified); una segunda cifra se beneficia del cómputo paralelo en tiempo de prueba. ¹ Los resultados de o1 en TAU-bench fueron reportados por OpenAI y después eliminados; los resultados de TAU-bench pueden no ser comparables. ² 62.3% es pass@1 en 500 problemas con herramientas de bash/editor más una «herramienta de pensamiento»; 70.3% usa puntuación interna y un andamiaje personalizado en un subconjunto reducido; DeepSeek R1 usa el marco Agentless. ³ Las altas puntuaciones de Claude 3.7 Sonnet en GPQA y AIME 2024 usan puntuación interna con cómputo paralelo en tiempo de prueba; las de o1 y Grok 3 usan votación mayoritaria con 64 muestras.
Training
SourceParameters
Unknown
not published
Training compute
3.35e25 FLOP
estimated (Epoch AI)
Training hardware
Unknown
not published
Training time
Unknown
not published
Training dataset size
Unknown
not published
Comprar enClaude