Claude Opus 4.6 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source) 72.7% · 主文证据(ev-op46-main-osworld)

Claude Opus 4.6 的 OSWorld-Verified · Verified benchmark; evaluation protocol noted per source 官方出处。OSWorld-Verified · Max · 72.7%。见《Introducing Claude Opus 4.6》comparison table, OSWorld-Verified row。证据 ev-op46-main-osworld。

原文与定位

Claude Opus 4.6 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source),OSWorld-Verified · Max配置,First-attempt success rate 72.7%(具体成绩公布时间未确认)。见《Introducing Claude Opus 4.6》comparison table, OSWorld-Verified row。 查看成绩条件

OSWorld-Verified — Opus 4.6: 72.7%.
官方材料
Introducing Claude Opus 4.6 · 定位到章节
定位
主文 · comparison table, OSWorld-Verified row
材料版本
官方发布页;原文发布日期 2026-02-05。保留的发布材料:本地留存副本、本地留存副本、本地留存副本。当前 HTML/TXT:本地留存副本 与 current-opus-4-6-main.txt;HTML last-modified 2026-10-14 23:55:44 UTC。2026-11-16 已全文核读并检查全部 14 个 figure、21 个非 figure 图像;截图清单见 本地留存副本。当前页显示 2026-02-23 HLE with-tools 更正,不代表首发内容未曾变化。
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 · OSWorld-Verified(Verified benchmark; evaluation protocol noted per source),OSWorld-Verified · Max配置,First-attempt success rate 72.7%(具体成绩公布时间未确认)。官方出处 Introducing Claude Opus 4.6(主文,官方发布页;原文发布日期 2026-02-05。保留的发布材料:本地留存副本、本地留存副本、本地留存副本。当前 HTML/TXT:本地留存副本 与 current-opus-4-6-main.txt;HTML last-modified 2026-10-14 23:55:44 UTC。2026-11-16 已全文核读并检查全部 14 个 figure、21 个非 figure 图像;截图清单见 本地留存副本。当前页显示 2026-02-23 HLE with-tools 更正,不代表首发内容未曾变化。)comparison table, OSWorld-Verified row,https://www.anthropic.com/news/claude-opus-4-6#evaluating-claude-opus-46。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-6/ev-op46-main-osworld/

关联成绩与条件

Claude Opus 4.6 · 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 rate72.7%原文 72.7% · 单位 %
公布 未确认
OSWorld-Verified · Max
设置
默认 OSWorld-Verified 设置;1080p;每题最多 100 个 action steps;Max effort。
未知项
未另记
工具
工具条件未记录
推理预算
max
框架
未记录
协议
OSWorld-Verified;默认设置;1080p;每题最多 100 步;first-attempt success rate;5-run average。
条件
OSWorld 默认设置;1080p;每题最多100步;first-attempt success rate;5-run average;Table 2.3.A 的通用 Opus 4.6 effort 为 max。

直接支持该成绩

在排名中查看此成绩