---
title: "Claude Sonnet 3"
source: "https://systems-analysis.info/wiki/Claude_Sonnet_3"
wiki: "systems-analysis.info/wiki"
article: "Claude_Sonnet_3"
language: "ru"
categories:
  - "Категория:Anthropic"
  - "Категория:Claude"
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Семейства LLM"
revision_id: 770
wiki_created_at: 2026-11-11T22:06:45Z
wiki_modified_at: 2026-11-11T23:58:21Z
downloaded_at: 2026-11-12T00:08:58Z
---

# Claude Sonnet 3

**Claude Sonnet 3** — большая языковая модель компании [Anthropic](https://systems-analysis.info/wiki/Anthropic "Anthropic"), средняя конфигурация трёхуровневого семейства Claude 3 (Haiku — Sonnet — Opus), позиционированная разработчиком как сбалансированная по интеллекту и скорости для корпоративных нагрузок, впервые среди моделей этой линейки поддерживающая ввод изображений наряду с текстом. Модель была представлена и выпущена в общий доступ 4 марта 2024 года одновременно с конфигурацией [Claude 3 Opus](https://systems-analysis.info/wiki/Claude_Opus_3 "Claude Opus 3") .

## Оценка

**Claude Sonnet 3**, выпущенная в марте 2024 года средняя модель семейства Claude 3, сочетающая уровень навыков и скорость работы, оценивалась по широкому набору тестов (бенчмарков), охватывающих рассуждение, математику, программирование, чтение и ответы на вопросы, многоязычную обработку, работу с длинным контекстом и мультимодальные задачи (ввод изображений). Модель позиционировалась как прямой преемник Claude 2, превосходящий его по всем осям — возможностям, цене и скорости. По данным Model Card, все модели семейства классифицированы под стандартом AI Safety Level 2 (ASL-2); знаниевый кат-офф — август 2023 года, в производстве предлагается окно контекста 200k токенов.<sup>[\[1\]](https://systems-analysis.info/wiki/Claude_Sonnet_3#cite_note-1)</sup>

Результаты на текстовых бенчмарках:<sup>[\[2\]](https://systems-analysis.info/wiki/Claude_Sonnet_3#cite_note-2)</sup>

<table class="wikitable" style="text-align:center;">
<colgroup>
<col style="width: 9%" />
<col style="width: 9%" />
<col style="width: 9%" />
<col style="width: 9%" />
<col style="width: 9%" />
<col style="width: 9%" />
<col style="width: 9%" />
<col style="width: 9%" />
<col style="width: 9%" />
<col style="width: 9%" />
<col style="width: 9%" />
</colgroup>
<thead>
<tr class="header">
<th style="text-align: left;">Benchmark</th>
<th>Description</th>
<th>Setup</th>
<th><span class="mw-selflink selflink">Claude Sonnet 3</span></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_3" title="Claude Opus 3">Claude Opus 3</a></th>
<th>Claude Haiku 3</th>
<th><a href="https://systems-analysis.info/wiki/GPT-4" title="GPT-4">GPT-4</a></th>
<th><a href="https://systems-analysis.info/wiki/GPT-3.5" title="GPT-3.5">GPT-3.5</a></th>
<th>Gemini 1.0 Ultra</th>
<th><a href="https://systems-analysis.info/wiki/Gemini_1.5_Pro" title="Gemini 1.5 Pro">Gemini 1.5 Pro</a></th>
<th><a href="https://systems-analysis.info/wiki/Gemini_1.0_Pro" title="Gemini 1.0 Pro">Gemini 1.0 Pro</a></th>
</tr>
</thead>
<tbody>
<tr class="odd">
<td style="text-align: left;"><a href="https://systems-analysis.info/wiki/MMLU_benchmark" title="MMLU benchmark">MMLU</a></td>
<td>General reasoning</td>
<td>5-shot / 5-shot CoT</td>
<td style="background: #e6f3ff">79.0%<br />
81.5%</td>
<td><strong>86.8%</strong><br />
<strong>88.2%</strong></td>
<td>75.2%<br />
76.7%</td>
<td>86.4%</td>
<td>70.0%</td>
<td>83.7%</td>
<td>81.9%</td>
<td>71.8%</td>
</tr>
<tr class="even">
<td style="text-align: left;"><a href="https://systems-analysis.info/wiki/MATH_benchmark" title="MATH benchmark">MATH</a><sup>1</sup></td>
<td>Mathematical problem solving</td>
<td>4-shot / 0-shot / Maj@32, 4-shot</td>
<td style="background: #e6f3ff">40.5%<br />
43.1%<br />
55.1%</td>
<td><strong>61%</strong><br />
<strong>60.1%</strong><br />
<strong>73.7%</strong></td>
<td>40.9%<br />
38.9%<br />
50.3%</td>
<td>52.9%<br />
42.5%</td>
<td>34.1%</td>
<td>53.2%</td>
<td>58.5%</td>
<td>32.6%</td>
</tr>
<tr class="odd">
<td style="text-align: left;"><a href="https://systems-analysis.info/wiki/GSM8K" title="GSM8K">GSM8K</a><sup>2</sup></td>
<td>Grade school math</td>
<td>Elicitation varies by model</td>
<td style="background: #e6f3ff">92.3%</td>
<td><strong>95.0%</strong></td>
<td>88.9%</td>
<td>92.0%</td>
<td>57.1%</td>
<td>94.4%</td>
<td>91.7%</td>
<td>86.5%</td>
</tr>
<tr class="even">
<td style="text-align: left;"><a href="https://systems-analysis.info/wiki/HumanEval_benchmark" title="HumanEval benchmark">HumanEval</a></td>
<td>Python coding tasks</td>
<td>0-shot</td>
<td style="background: #e6f3ff">73.0%</td>
<td><strong>84.9%</strong></td>
<td>75.9%</td>
<td>67.0%</td>
<td>48.1%</td>
<td>74.4%</td>
<td>71.9%</td>
<td>67.7%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">GPQA (Diamond)<sup>3</sup></td>
<td>Graduate-level Q&amp;A</td>
<td>0-shot CoT / Maj@32, 5-shot CoT</td>
<td style="background: #e6f3ff">40.4%<br />
46.3%</td>
<td><strong>50.4%</strong><br />
<strong>59.5%</strong></td>
<td>33.3%<br />
40.1%</td>
<td>35.7%</td>
<td>28.1%</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;">MGSM</td>
<td>Multilingual math</td>
<td>8-shot / 0-shot</td>
<td style="background: #e6f3ff">83.7%<br />
83.5%</td>
<td><strong>90.5%</strong><br />
<strong>90.7%</strong></td>
<td>76.5%<br />
75.1%</td>
<td>74.5%</td>
<td>—</td>
<td>79.0%</td>
<td>88.7%</td>
<td>63.5%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">DROP</td>
<td>Reading comprehension, arithmetic</td>
<td>3-shot, F1</td>
<td style="background: #e6f3ff">78.9</td>
<td><strong>83.1</strong></td>
<td>78.4</td>
<td>80.9</td>
<td>64.1</td>
<td>82.4</td>
<td>78.9</td>
<td>74.1</td>
</tr>
<tr class="even">
<td style="text-align: left;">BIG-Bench-Hard</td>
<td>Mixed evaluations</td>
<td>3-shot CoT</td>
<td style="background: #e6f3ff">82.9%</td>
<td><strong>86.8%</strong></td>
<td>73.7%</td>
<td>83.1%</td>
<td>66.6%</td>
<td>83.6%</td>
<td>84.0%</td>
<td>75.0%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">ARC-Challenge</td>
<td>Common-sense reasoning</td>
<td>25-shot</td>
<td style="background: #e6f3ff">93.2%</td>
<td><strong>96.4%</strong></td>
<td>89.2%</td>
<td>96.3%</td>
<td>85.2%</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;"><a href="https://systems-analysis.info/wiki/HellaSwag_benchmark" title="HellaSwag benchmark">HellaSwag</a></td>
<td>Common-sense reasoning</td>
<td>10-shot</td>
<td style="background: #e6f3ff">89.0%</td>
<td><strong>95.4%</strong></td>
<td>85.9%</td>
<td>95.3%</td>
<td>85.5%</td>
<td>87.8%</td>
<td>92.5%</td>
<td>84.7%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">PubMedQA</td>
<td>Biomedical questions</td>
<td>5-shot / 0-shot</td>
<td style="background: #e6f3ff"><strong>78.3%</strong><br />
<strong>79.7%</strong></td>
<td>75.8%<br />
74.9%</td>
<td>76.0%<br />
78.5%</td>
<td>74.4%<br />
75.2%</td>
<td>60.2%<br />
71.6%</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;"><a href="https://systems-analysis.info/wiki/WinoGrande_benchmark" title="WinoGrande benchmark">WinoGrande</a></td>
<td>Common-sense reasoning</td>
<td>5-shot</td>
<td style="background: #e6f3ff">75.1%</td>
<td><strong>88.5%</strong></td>
<td>74.2%</td>
<td>87.5%</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">RACE-H</td>
<td>Reading comprehension</td>
<td>5-shot</td>
<td style="background: #e6f3ff">88.8%</td>
<td><strong>92.9%</strong></td>
<td>87.0%</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;">APPS</td>
<td>Python coding tasks</td>
<td>0-shot</td>
<td style="background: #e6f3ff">55.9%</td>
<td><strong>70.2%</strong></td>
<td>54.8%</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">MBPP</td>
<td>Code generation</td>
<td>Pass@1</td>
<td style="background: #e6f3ff">79.4%</td>
<td><strong>86.4%</strong></td>
<td>80.4%</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;">LSAT</td>
<td>Law School Admission Test</td>
<td>5-shot CoT, scaled score</td>
<td style="background: #e6f3ff">158.3</td>
<td>161</td>
<td>156.3</td>
<td><strong>163</strong></td>
<td>149</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">MBE</td>
<td>Multistate Bar Exam</td>
<td>0-shot CoT</td>
<td style="background: #e6f3ff">71%</td>
<td><strong>85%</strong></td>
<td>64%</td>
<td>75.7%</td>
<td>45.1%</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;">AMC 2023<sup>4</sup></td>
<td>High school math contests</td>
<td>AMC 8 / 10 / 12, of 150</td>
<td style="background: #e6f3ff">54/150<br />
24/150<br />
27/150</td>
<td><strong>84/150</strong><br />
<strong>72/150</strong><br />
<strong>63/150</strong></td>
<td>36/150<br />
54/150<br />
48/150</td>
<td>—<br />
36/150<br />
60/150</td>
<td>—<br />
36/150<br />
30/150</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Multilingual MMLU<sup>5</sup></td>
<td>Multilingual reasoning</td>
<td>5-shot</td>
<td style="background: #e6f3ff">69.0%</td>
<td><strong>79.1%</strong></td>
<td>65.2%</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;">QuALITY<sup>5</sup></td>
<td>Long-input reading comprehension</td>
<td>1-shot / 0-shot</td>
<td style="background: #e6f3ff">85.9%<br />
84.9%</td>
<td><strong>90.5%</strong><br />
<strong>89.2%</strong></td>
<td>80.2%<br />
79.4%</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Needle In A Haystack<sup>5</sup></td>
<td>Long context retrieval</td>
<td>All context lengths / 200k tokens</td>
<td style="background: #e6f3ff">95.4%<br />
91.4%</td>
<td><strong>99.4%</strong><br />
<strong>98.3%</strong></td>
<td>95.9%<br />
91.9%</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>—</td>
</tr>
</tbody>
</table>

1.  Claude 3 оценивались с chain-of-thought prompting; оценки GPT-4 на MATH, MGSM и Big-Bench-Hard взяты из технического отчёта Gemini.
2.  GSM8K: elicitation различается — Claude 3 — 0-shot CoT; GPT-4 — SFT, 5-shot CoT; GPT-3.5 — 5-shot; Gemini 1.0 Ultra и 1.0 Pro — Maj1@32; Gemini 1.5 Pro — 11-shot.
3.  GPQA: из-за высокой дисперсии при T = 1 приведено среднее по 10 прогонам со случайным порядком вариантов; оценки GPT-4 и GPT-3.5 — из оригинальной работы.
4.  AMC: 150 официальных задач AMC 2023 (по 50 из AMC 8, 10 и 12); ответы сэмплировались 5 раз при T = 1; оценки GPT — по экзаменам 2022 года. GRE для Sonnet 3 в карточке не приводится.
5.  Для сравнения: Claude 2.1 — 63.4% на multilingual MMLU, 85.5% / 82.8% на QuALITY (1-shot / 0-shot), 94.5% / 92.7% на Needle In A Haystack.
6.  Жирным выделен лучший результат в строке (по каждому значению отдельно); при равенстве лучших результатов выделение не используется.

Результаты на мультимодальных бенчмарках:<sup>[\[3\]](https://systems-analysis.info/wiki/Claude_Sonnet_3#cite_note-3)</sup>

| Benchmark              | Description                           | Setup                         | <span class="mw-selflink selflink">Claude Sonnet 3</span> | [Claude Opus 3](https://systems-analysis.info/wiki/Claude_Opus_3 "Claude Opus 3") | Claude Haiku 3 | GPT-4V | Gemini 1.0 Ultra | [Gemini 1.5 Pro](https://systems-analysis.info/wiki/Gemini_1.5_Pro "Gemini 1.5 Pro") | [Gemini 1.0 Pro](https://systems-analysis.info/wiki/Gemini_1.0_Pro "Gemini 1.0 Pro") |
|:-----------------------|---------------------------------------|-------------------------------|-----------------------------------------------------------|-----------------------------------------------------------------------------------|----------------|--------|------------------|--------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------|
| MMMU (val)<sup>1</sup> | Multimodal understanding (validation) | 0-shot                        | 53.1%                                                     | 59.4%                                                                             | 50.2%          | 56.8%  | 59.4%            | 58.5%                                                                                | 47.9%                                                                                |
| DocVQA                 | Document understanding                | 0-shot, ANLS                  | 89.5%                                                     | 89.3%                                                                             | 88.8%          | 88.4%  | **90.9%**        | 86.5%                                                                                | 88.1%                                                                                |
| MathVista              | Mathematical reasoning with images    | testmini, CoT                 | 47.9%                                                     | 50.5%                                                                             | 46.4%          | 49.9%  | **53%**          | 52.1%                                                                                | 45.2%                                                                                |
| AI2D<sup>2</sup>       | Science diagrams                      | 0-shot                        | **88.7%**                                                 | 88.1%                                                                             | 86.7%          | 78.2%  | 79.5%            | 80.3%                                                                                | 73.9%                                                                                |
| ChartQA                | Chart understanding                   | 0-shot, CoT, relaxed accuracy | 81.1%                                                     | 80.8%                                                                             | **81.7%**      | 78.5%  | 80.8%            | 81.3%                                                                                | 74.1%                                                                                |

1.  MMMU: Claude Opus 3 и Gemini 1.0 Ultra показали одинаковый лучший результат 59.4%; при равенстве жирное выделение не используется. Оценки GPT-4V — из системной карточки GPT-4V(ision); сэмплирование при T = 0.
2.  AI2D: в тексте карточки (раздел 5.3) для Sonnet 3 указано state-of-the-art значение 89.2% в 0-shot-режиме; в сводной таблице 3 — 88.7%.

В оценках человеческих предпочтений Sonnet 3 напрямую сравнивался с моделями Claude 2 и Claude Instant в парных тестах: эксперты в финансах, праве, медицине, STEM и философии предпочитали Sonnet 3 в 60–80% случаев, а совокупный выигрыш над моделями Claude 2 составил примерно 50–200 Elo-очков в зависимости от предметной области; на неанглоязычных задачах (арабский, французский, немецкий, хинди, японский, корейский, португальский, китайский) прирост против Claude 2.1 составил 9 пунктов. Также отмечены улучшения в следовании инструкциям (абсолютные формулировки, полнота длинных ответов, структурированный вывод в YAML/JSON/XML) и в честности/безвредности в состязательных сценариях. По данным Wildchat и XSTest, модели семейства Claude 3 значительно реже некорректно отказывают на безобидных запросах, чем Claude 2.1, и корректнее отказывают на токсичных. В мультимодальном red-teaming доверия и безопасности Sonnet 3 безвредно ответил на 375 из 378 (99.2%) провокационных запросов — лучший результат семейства. Оценки катастрофических рисков по Responsible Scaling Policy проводились на версии Opus (крупнейшей модели семейства) с пониженной частотой отказов; индикаторов рисков обнаружено не было, и все модели Claude 3, включая Sonnet 3, развёрнуты под стандартом ASL-2.<sup>[\[4\]](https://systems-analysis.info/wiki/Claude_Sonnet_3#cite_note-4)</sup>

## Ссылки

- <a href="https://www.anthropic.com/news/claude-3-family" class="external text" rel="nofollow">Introducing the next generation of Claude (Mar 4, 2024)</a>
- <a href="https://www-cdn.anthropic.com/de8ba9b01c9ab7cbabf5c33b80b7bbc618857627/Model_Card_Claude_3.pdf" class="external text" rel="nofollow">Model Card: The Claude 3 Model Family — Opus, Sonnet, Haiku (March 2024)</a>
- <a href="https://www.anthropic.com/system-cards" class="external text" rel="nofollow">Model system cards - Anthropic</a>

## См. также

- [Claude Opus 3](https://systems-analysis.info/wiki/Claude_Opus_3 "Claude Opus 3")
- [Claude Sonnet 3.5](https://systems-analysis.info/wiki/Claude_Sonnet_3.5 "Claude Sonnet 3.5")
- [Claude Sonnet 3.7](https://systems-analysis.info/wiki/Claude_Sonnet_3.7 "Claude Sonnet 3.7")
- [Claude Sonnet 4](https://systems-analysis.info/wiki/Claude_Sonnet_4 "Claude Sonnet 4")
- [Claude Sonnet 4.5](https://systems-analysis.info/wiki/Claude_Sonnet_4.5 "Claude Sonnet 4.5")

## Примечания

1.  <span id="cite_note-1">[↑](https://systems-analysis.info/wiki/Claude_Sonnet_3#cite_ref-1) Anthropic. *The Claude 3 Model Family: Opus, Sonnet, Haiku — Model Card*. Выпуск: март 2024 года. С. 1–5.</span>
2.  <span id="cite_note-2">[↑](https://systems-analysis.info/wiki/Claude_Sonnet_3#cite_ref-2) Anthropic. *The Claude 3 Model Family: Opus, Sonnet, Haiku — Model Card*. Выпуск: март 2024 года. С. 6–7, 16, 21–22.</span>
3.  <span id="cite_note-3">[↑](https://systems-analysis.info/wiki/Claude_Sonnet_3#cite_ref-3) Anthropic. *The Claude 3 Model Family: Opus, Sonnet, Haiku — Model Card*. Выпуск: март 2024 года. С. 7–8.</span>
4.  <span id="cite_note-4">[↑](https://systems-analysis.info/wiki/Claude_Sonnet_3#cite_ref-4) Anthropic. *The Claude 3 Model Family: Opus, Sonnet, Haiku — Model Card*. Выпуск: март 2024 года. С. 10–16, 24, 27–28.</span>
