Claude 3 Sonnet

Fiche modèle · Anthropic · claude-3-sonnet-20240229

Claude 3 Sonnet strikes the ideal balance between intelligence and speed—particularly for enterprise workloads. It delivers strong performance at a lower cost compared to its peers, and is engineered for high endurance in large-scale AI deployments.

Fiches modèles

Identité

Organisation	Anthropic
Pays	—
Famille	—
Type	llm
Date de sortie	2024-02-29
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	200 000
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:27.611200Z
Mis à jour le	2026-11-04T06:04:32.323191Z
Source	LLM Stats
URL	https://llm-stats.com/models/claude-3-sonnet-20240229

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.70
legal	0.70
math	0.70
physics	0.40
reasoning	0.70
finance	0.70
general	0.70
healthcare	0.70
biology	0.40
chemistry	0.40
code	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
arc-c	reasoning	0.93	1.00	0.93	non	oui	2026-11-04T06:04:32.327761Z
big-bench-hard	reasoning	0.83	1.00	0.83	non	oui	2026-11-04T06:04:32.333347Z
drop	reasoning	0.79	1.00	0.79	non	oui	2026-11-04T06:04:32.340592Z
gpqa	reasoning	0.40	1.00	0.40	non	oui	2026-11-04T06:04:32.346869Z
gsm8k	math	0.92	1.00	0.92	non	oui	2026-11-04T06:04:32.351116Z
hellaswag	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:04:32.359338Z
humaneval	reasoning	0.73	1.00	0.73	non	oui	2026-11-04T06:04:32.363045Z
math	math	0.43	1.00	0.43	non	oui	2026-11-04T06:04:32.366416Z
mgsm	math	0.83	1.00	0.83	non	oui	2026-11-04T06:04:32.370057Z
mmlu	general	0.79	1.00	0.79	non	oui	2026-11-04T06:04:32.373535Z
mmlu-pro	language	0.57	1.00	0.57	non	oui	2026-11-04T06:04:32.376827Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	262	—	-1.46	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04