Claude Fable 5.2 · WANDR(500-task wide research benchmark) · 附件证据(ev-f52-wandr-scaling)

Claude Fable 5.2 的 WANDR · 500-task wide research benchmark 官方出处。见《Claude Fable 5.2 and Claude Mythos 5.2 System Card》PDF pp.220-221, §8.11.3, Figure 8.11.3.A。证据 ev-f52-wandr-scaling。

原文与定位

Claude Fable 5.2 · WANDR(500-task wide research benchmark),Low effort配置,Soft F1 71.4%(具体成绩公布时间未确认)。见《Claude Fable 5.2 and Claude Mythos 5.2 System Card》PDF pp.220-221, §8.11.3, Figure 8.11.3.A。 查看成绩条件

Claude Fable 5.2 · WANDR(500-task wide research benchmark),Medium effort配置,Soft F1 73.6%(具体成绩公布时间未确认)。见《Claude Fable 5.2 and Claude Mythos 5.2 System Card》PDF pp.220-221, §8.11.3, Figure 8.11.3.A。 查看成绩条件

Claude Fable 5.2 · WANDR(500-task wide research benchmark),High effort配置,Soft F1 79.3%(具体成绩公布时间未确认)。见《Claude Fable 5.2 and Claude Mythos 5.2 System Card》PDF pp.220-221, §8.11.3, Figure 8.11.3.A。 查看成绩条件

Claude Fable 5.2 · WANDR(500-task wide research benchmark),Xhigh effort配置,Soft F1 80.6%(具体成绩公布时间未确认)。见《Claude Fable 5.2 and Claude Mythos 5.2 System Card》PDF pp.220-221, §8.11.3, Figure 8.11.3.A。 查看成绩条件

Claude Fable 5.2 · WANDR(500-task wide research benchmark),Adaptive Max配置,Soft F1 82.1%(具体成绩公布时间未确认)。见《Claude Fable 5.2 and Claude Mythos 5.2 System Card》PDF pp.220-221, §8.11.3, Figure 8.11.3.A。 查看成绩条件

WANDR evaluates 500 tasks with frozen-index search/fetch and a 980k-token budget. Figure 8.11.3.A labels soft-F1 scores: 71.4% low, 73.6% medium, 79.3% high, 80.6% xhigh, and 82.1% max. This harness and grader differ from Perplexity’s public version.
官方材料
Claude Fable 5.2 and Claude Mythos 5.2 System Card · PDF 第 221 页
定位
附件 · PDF pp.220-221, §8.11.3, Figure 8.11.3.A
材料版本
Official System Card; 264-page PDF, cover dated November 9, 2026; current PDF/TXT saved as 本地留存副本 and .txt; PDF pp.1-264 text read page-by-page; all 80 image/vector-figure pages in pp.1-206 were visually checked in 21 sheets, and capability figures in pp.207-254 were visually checked; no unread pages or figures remain.
版本公布
披露时间
未确认 · 首发/后补未确认
采集时间
历史依据
暂无可靠历史版本依据
引用文本

Claude Fable 5.2 · WANDR(500-task wide research benchmark),Low effort配置,Soft F1 71.4%(具体成绩公布时间未确认);Claude Fable 5.2 · WANDR(500-task wide research benchmark),Medium effort配置,Soft F1 73.6%(具体成绩公布时间未确认);Claude Fable 5.2 · WANDR(500-task wide research benchmark),High effort配置,Soft F1 79.3%(具体成绩公布时间未确认);Claude Fable 5.2 · WANDR(500-task wide research benchmark),Xhigh effort配置,Soft F1 80.6%(具体成绩公布时间未确认);Claude Fable 5.2 · WANDR(500-task wide research benchmark),Adaptive Max配置,Soft F1 82.1%(具体成绩公布时间未确认)。官方出处 Claude Fable 5.2 and Claude Mythos 5.2 System Card(附件,Official System Card; 264-page PDF, cover dated November 9, 2026; current PDF/TXT saved as 本地留存副本 and .txt; PDF pp.1-264 text read page-by-page; all 80 image/vector-figure pages in pp.1-206 were visually checked in 21 sheets, and capability figures in pp.207-254 were visually checked; no unread pages or figures remain.)PDF pp.220-221, §8.11.3, Figure 8.11.3.A,https://www.anthropic.com/document/claude-fable-5-2-mythos-5-2-system-card#page=221。Benchlog https://benchlog.lekshome.cc/evidence/claude-fable-and-mythos-5-2/ev-f52-wandr-scaling/

关联成绩与条件

Claude Fable 5.2 · WANDR 成绩与配置
指标与成绩配置与评测条件证据关系
Soft F171.4%原文 71.4% · 单位 %
公布 未确认
Low effort
设置
Claude Fable 5.2;adaptive thinking always on;Low effort。
未知项
未另记
工具
允许工具
推理预算
low
框架
未记录
协议
WANDR 500-task variant; low effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.

直接支持该成绩

在排名中查看此成绩
Soft F173.6%原文 73.6% · 单位 %
公布 未确认
Medium effort
设置
Claude Fable 5.2;adaptive thinking always on;Medium effort。
未知项
主文未列该配置的采样设置与运行数。
工具
允许工具
推理预算
medium
框架
未记录
协议
WANDR 500-task variant; medium effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.

直接支持该成绩

在排名中查看此成绩
Soft F179.3%原文 79.3% · 单位 %
公布 未确认
High effort
设置
Claude Fable 5.2;adaptive thinking always on;High effort。
未知项
主文未列该配置的采样设置与运行数。
工具
允许工具
推理预算
high
框架
未记录
协议
WANDR 500-task variant; high effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.

直接支持该成绩

在排名中查看此成绩
Soft F180.6%原文 80.6% · 单位 %
公布 未确认
Xhigh effort
设置
Claude Fable 5.2;adaptive thinking always on;Xhigh effort。
未知项
主文未列该配置的采样设置与运行数。
工具
允许工具
推理预算
xhigh
框架
未记录
协议
WANDR 500-task variant; xhigh effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.

直接支持该成绩

在排名中查看此成绩
Soft F182.1%原文 82.1% · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.2;adaptive thinking always on;Max effort;默认 temperature/top_p;Card 通用表说明通常五次运行平均,个别测试另行注明。
未知项
System Card pp.1-264 文字已完整核读;各benchmark章节未明确披露的运行参数仍未知。
工具
允许工具
推理预算
max
框架
未记录
协议
WANDR 500-task variant; max effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.

直接支持该成绩

在排名中查看此成绩