Simple-QA-Verified · Anthropic factuality evaluation; Claude Sonnet 4.5 grader; exact dataset revision not stated · 测试定义与成绩

Simple-QA-Verified · Anthropic factuality evaluation; Claude Sonnet 4.5 grader; exact dataset revision not stated 收录 1 次模型发布的评测披露或成绩。

测试版本与指标

  • Correct rate · % · 越高越好
  • Incorrect rate · % · 越低越好
  • Uncertain response rate · % · 越低越好

各系列最新模型 · 公布成绩

各命名系列的最新型号在此范围内暂无可展示成绩,已收录的历史资料列在下方。

历史记录 · 1 次发布

  • Claude Opus 4.5本次发布有 6 条成绩记录,含 6 条精确值(可含历史记录)