Claude Opus 4.6 · LAB-Bench FigQA(FutureHouse FigQA; prompting and tools are recorded per result) · 附件证据(ev-op46-card-lab-figqa)

Claude Opus 4.6 的 LAB-Bench FigQA · FutureHouse FigQA; prompting and tools are recorded per result 官方出处。见《Claude Opus 4.6 System Card》PDF pp.34–35, §2.19.1 and Figure 2.19.1.A。证据 ev-op46-card-lab-figqa。

原文与定位

Claude Opus 4.6 · LAB-Bench FigQA(FutureHouse FigQA; prompting and tools are recorded per result),Max · 无工具配置,Score 58%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF pp.34–35, §2.19.1 and Figure 2.19.1.A。 查看成绩条件

Claude Opus 4.6 · LAB-Bench FigQA(FutureHouse FigQA; prompting and tools are recorded per result),Max · 图像裁切工具配置,Score 78.3%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF pp.34–35, §2.19.1 and Figure 2.19.1.A。 查看成绩条件

LAB-Bench FigQA: 58.0% without tools and 78.3% with a simple image-cropping tool. Both use adaptive thinking and max effort; scores average five runs. The chart also shows a 77% expert-human baseline.
官方材料
Claude Opus 4.6 System Card · PDF 第 34 页
定位
附件 · PDF pp.34–35, §2.19.1 and Figure 2.19.1.A
材料版本
Current PDF/TXT; local source 本地留存副本 and 本地留存副本; 213 pages; changelog through 2026-03-06; full text and visuals reviewed.
版本公布
未确认
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 Opus 4.6 · LAB-Bench FigQA(FutureHouse FigQA; prompting and tools are recorded per result),Max · 无工具配置,Score 58%(具体成绩公布时间未确认);Claude Opus 4.6 · LAB-Bench FigQA(FutureHouse FigQA; prompting and tools are recorded per result),Max · 图像裁切工具配置,Score 78.3%(具体成绩公布时间未确认)。官方出处 Claude Opus 4.6 System Card(附件,Current PDF/TXT; local source 本地留存副本 and 本地留存副本; 213 pages; changelog through 2026-03-06; full text and visuals reviewed.)PDF pp.34–35, §2.19.1 and Figure 2.19.1.A,https://www.anthropic.com/claude-opus-4-6-system-card#page=34。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-6/ev-op46-card-lab-figqa/

关联成绩与条件

Claude Opus 4.6 · LAB-Bench FigQA 成绩与配置
指标与成绩配置与评测条件证据关系
Score58%原文 58.0% · 单位 %
公布 未确认
Max · 无工具
设置
Adaptive thinking、Max effort、无工具;sampling 使用默认 temperature 与 top_p。
未知项
未另记
工具
禁止工具
推理预算
max
框架
未记录
协议
LAB-Bench FigQA;without tools。
条件
Adaptive thinking、max effort、5-run average。

直接支持该成绩

在排名中查看此成绩
Score78.3%原文 78.3% · 单位 %
公布 未确认
Max · 图像裁切工具
设置
Adaptive thinking、Max effort;允许简单 image-cropping tool;每项评测条件见成绩记录。
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
LAB-Bench FigQA;simple image-cropping tool。
条件
Adaptive thinking、max effort、5-run average。

直接支持该成绩

在排名中查看此成绩