Claude Haiku 4.5 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source) 50.7% · 主文证据(ev-h45-osworld)

Claude Haiku 4.5 的 OSWorld-Verified · Verified benchmark; evaluation protocol noted per source 官方出处。发布表报告值 · 50.7%。见《Introducing Claude Haiku 4.5》OSWorld row; 本地留存副本 line 53。证据 ev-h45-osworld。

原文与定位

Claude Haiku 4.5 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source),发布表报告值配置,First-attempt success rate 50.7%(具体成绩公布时间未确认)。见《Introducing Claude Haiku 4.5》OSWorld row; 本地留存副本 line 53。 查看成绩条件

OSWorld — Haiku 4.5: 50.7%; official OSWorld-Verified framework, 100 max steps, 4 runs.
官方材料
Introducing Claude Haiku 4.5 · 定位到章节
定位
主文 · OSWorld row; 本地留存副本 line 53
材料版本
官方发布页;本地保存 HTML/TXT 与主表 PNG:本地留存副本、本地留存副本、本地留存副本;原文发布日期 2025-10-15,当前修订时间未知
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 Haiku 4.5 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source),发布表报告值配置,First-attempt success rate 50.7%(具体成绩公布时间未确认)。官方出处 Introducing Claude Haiku 4.5(主文,官方发布页;本地保存 HTML/TXT 与主表 PNG:本地留存副本、本地留存副本、本地留存副本;原文发布日期 2025-10-15,当前修订时间未知)OSWorld row; 本地留存副本 line 53,https://www.anthropic.com/news/claude-haiku-4-5#benchmarks。Benchlog https://benchlog.lekshome.cc/evidence/claude-haiku-4-5/ev-h45-osworld/

关联成绩与条件

Claude Haiku 4.5 · OSWorld-Verified 成绩与配置
指标与成绩配置与评测条件证据关系
First-attempt success rate50.7%原文 50.7% · 单位 %
公布 未确认
发布表报告值
设置
SWE-bench: full 500 problems, 50 trials, no test-time compute, 128K thinking budget, default sampling; Terminal-Bench: Terminus 2, 11 runs split between no thinking and 32K thinking; OSWorld: OSWorld-Verified, 100 steps, 4 runs; GPQA/MMMLU/MMMU follow source table.
未知项
AIME 的 Python 工具使用情况按两个分列配置保存;其余各项的逐行配置以主文脚注为准。
工具
工具条件未记录
推理预算
思考预算 128K total thinking budget and 2K thinking budget per-step
框架
OSWorld-Verified
协议
官方 OSWorld-Verified framework;100 steps;4 runs。
条件
128K total thinking budget, 2K per step。

直接支持该成绩

在排名中查看此成绩