पुष्टतारीख़ की निश्चितता: पुष्टपक्के तौर पर बताया गयास्रोत तारीख़ को कितनी पक्की तरह बताता है: पुष्ट, निर्धारित, अनुमानित, स्थगित या अपुष्ट।सभी पुष्ट पिन दिखाएं85% कॉन्फ़िडेंसकुल भरोसा: 85%पिन का स्रोत और संदर्भ उसकी तारीखों की कितनी पुष्टि करते हैं।सोर्स सहित 4 संदर्भ पिन के शुरू और खत्म होने के समय का कितनी मज़बूती से समर्थन करते हैं, इसका भारित औसत; सबसे नए संदर्भ से हर 180 दिन पुराना होने पर किसी संदर्भ की गिनती आधी हो जाती है75% या उससे बेहतर कॉन्फ़िडेंस वाले सभी पिन दिखाएं
पोस्ट पर तारीख़ 'Feb 24, 2025' दी गई है: 'आज, हम Claude 3.7 Sonnet की घोषणा कर रहे हैं' और यह 'अब सभी Claude प्लान पर उपलब्ध है'; TechCrunch[4] कहता है कि यह 'सोमवार (24 फ़रवरी) को सभी यूज़र्स और डेवलपर्स के लिए रोलआउट हो रहा है'।- शुरुआत
- 24 फ़र॰ 202590% कॉन्फ़िडेंससोर्स
Anthropic ने Claude 3.7 Sonnet रिलीज़ किया
मूल भाषा से अपने आप अनुवादित
मूल शीर्षक: Claude 3.7 Sonnet Released
Anthropic Claude 3.7 Sonnet रिलीज़ करता है - पहला हाइब्रिड रीज़निंग मॉडल, जो तुरंत जवाब देता है या यूज़र की मंज़ूरी जितनी देर तक चाहे स्टेप-बाय-स्टेप सोचता है, और इसके साथ Claude Code टर्मिनल एजेंट लॉन्च करता है।
- Anthropic ने Claude 3.7 Sonnet को "आज तक हमारा सबसे बुद्धिमान मॉडल और बाज़ार का पहला हाइब्रिड रीज़निंग मॉडल" कहा: एक ऐसा मॉडल जो लगभग तुरंत जवाब देता है या "एक्सटेंडेड, स्टेप-बाय-स्टेप थिंकिंग करता है जो यूज़र को दिखाई देती है"[1][4]
- यह हर Claude प्लान पर आया - Free, Pro, Team और Enterprise - और Claude Developer Platform, Amazon Bedrock और Google Cloud के Vertex AI पर; एक्सटेंडेड थिंकिंग फ़्री टियर को छोड़कर हर जगह मौजूद है[1][4]
- Claude Code, Anthropic का पहला एजेंटिक कोडिंग टूल, इसके साथ एक सीमित रिसर्च प्रीव्यू के तौर पर लॉन्च हुआ जो टर्मिनल से काम करता है, और GitHub इंटीग्रेशन हर Claude प्लान पर आया[1]
- यह अपने पूर्ववर्ती की तुलना में ज़रूरत से ज़्यादा मनाही को 45% कम करता है और इसे ASL-2 स्टैंडर्ड के तहत रिलीज़ किया गया[1][2]
- वर्ज़न 3.5 से सीधे 3.7 पर पहुँच गया, और फ़रवरी 2025 में Claude 3.7 Sonnet ने Twitch पर लाइव Pokémon Red खेलना शुरू किया[3][4]
प्रमुख विशेषताएँ
- दोनों मोड में $3 प्रति मिलियन इनपुट टोकन और $15 प्रति मिलियन आउटपुट टोकन, थिंकिंग टोकन शामिल[1][4]
- API यूज़र्स 128K-टोकन आउटपुट लिमिट तक किसी भी साइज़ का थिंकिंग बजट सेट कर सकते हैं, स्पीड और कीमत की जगह क्वालिटी लेते हुए[1]
- Anthropic के चार्ट SWE-bench Verified पर 62.3% (कस्टम स्कैफ़ोल्ड के साथ 70.3%) दिखाते हैं, जबकि अपग्रेड किए गए 3.5 Sonnet का 49.0% था, और TAU-bench पर 81.2% (रिटेल) और 58.4% (एयरलाइन)[1]
- Anthropic कहता है कि उसने मैथ्स और कोडिंग कॉम्पिटिशन के लिए कम और रीयल-वर्ल्ड बिज़नेस टास्क के लिए ज़्यादा ऑप्टिमाइज़ किया[1]
- स्टैंडर्ड मोड में यह एक अपग्रेड किया गया Claude 3.5 Sonnet है; एक्सटेंडेड थिंकिंग मोड में यह जवाब देने से पहले सोचता है, जो मैथ्स, फ़िज़िक्स, इंस्ट्रक्शन फ़ॉलोइंग और कोडिंग में मदद करता है[1]
बेंचमार्क[1]
| बेंचमार्क | Claude 3.7 Sonnet (64K extended thinking) | Claude 3.7 Sonnet (no extended thinking) | Claude 3.5 Sonnet (new) | OpenAI o1¹ | OpenAI o3-mini¹ (high) | DeepSeek R1 (32K extended thinking) | Grok 3 Beta (extended thinking) |
|---|---|---|---|---|---|---|---|
| ग्रेजुएट-स्तर रीज़निंग (GPQA Diamond)³ | 78.2% / 84.8% | 68.0% | 65.0% | 75.7% / 78.0% | 79.7% | 71.5% | 80.2% / 84.6% |
| एजेंटिक कोडिंग (SWE-bench Verified)² | — | 62.3% / 70.3% | 49.0% | 48.9% | 49.3% | 49.2% | — |
| एजेंटिक टूल यूज़ (TAU-bench), रिटेल | — | 81.2% | 71.5% | 73.5% | — | — | — |
| एजेंटिक टूल यूज़ (TAU-bench), एयरलाइन | — | 58.4% | 48.8% | 54.2% | — | — | — |
| बहुभाषी Q&A (MMMLU) | 86.1% | 83.2% | 82.1% | 87.7% | 79.5% | — | — |
| विज़ुअल रीज़निंग (MMMU validation) | 75% | 71.8% | 70.4% | 78.2% | — | — | 76.0% / 78.0% |
| इंस्ट्रक्शन-फ़ॉलोइंग (IFEval) | 93.2% | 90.8% | 90.2% | — | — | 83.3% | — |
| गणित समस्या-समाधान (MATH 500) | 96.2% | 82.2% | 78.0% | 96.4% | 97.9% | 97.3% | — |
| हाई स्कूल गणित प्रतियोगिता (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, कई ट्रायल पर औसत (AIME और SWE-bench Verified के लिए 16 तक); दूसरा आँकड़ा पैरेलल टेस्ट-टाइम कंप्यूट से फ़ायदा उठाता है। ¹ o1 के TAU-bench नतीजे OpenAI ने बताए थे और बाद में डिलीट कर दिए; TAU-bench के नतीजे तुलनीय नहीं हो सकते। ² 62.3%, bash/editor टूल्स के साथ 500 समस्याओं पर pass@1 है, साथ ही एक "थिंकिंग टूल"; 70.3%, इंटरनल स्कोरिंग और एक घटे हुए सबसेट पर कस्टम स्कैफ़ोल्ड का इस्तेमाल करता है; DeepSeek R1, Agentless फ़्रेमवर्क इस्तेमाल करता है। ³ Claude 3.7 Sonnet के ज़्यादा GPQA और AIME 2024 स्कोर पैरेलल टेस्ट-टाइम कंप्यूट के साथ इंटरनल स्कोरिंग इस्तेमाल करते हैं; o1 और Grok 3 के स्कोर 64 सैंपल के साथ मेजॉरिटी वोटिंग इस्तेमाल करते हैं।
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
यहां खरीदेंClaude