Claude Opus 4.8 · LAB-Bench FigQA(FutureHouse FigQA; prompting and tools are recorded per result) 87.3% · 附件证据(ev-op48-card-figqa-python)

Claude Opus 4.8 的 LAB-Bench FigQA · FutureHouse FigQA; prompting and tools are recorded per result 官方出处。视觉基准 Python 工具 · 87.3%。见《Claude Opus 4.8 System Card》§8.12.3, PDF p.218; Figure 8.12.3.A, PDF p.219。证据 ev-op48-card-figqa-python。

原文与定位

Claude Opus 4.8 · LAB-Bench FigQA(FutureHouse FigQA; prompting and tools are recorded per result),视觉基准 Python 工具配置,Score 87.3%(具体成绩公布时间未确认)。见《Claude Opus 4.8 System Card》§8.12.3, PDF p.218; Figure 8.12.3.A, PDF p.219。 查看成绩条件

With adaptive thinking, max effort, and Python tools, Claude Opus 4.8 achieved a score of 87.3%.
官方材料
Claude Opus 4.8 System Card · PDF 第 218 页
定位
附件 · §8.12.3, PDF p.218; Figure 8.12.3.A, PDF p.219
材料版本
当前保存副本:本地留存副本 与 current-opus-4-8-system-card.txt;PDF 246 页,封面日期 2026-05-28,修订记录最后明确日期 2026-06-17;当前 PDF 修订日期未知。此前来源记录 collectedAt 为 2026-11-11;当前副本于 2026-11-16 复核。
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 4.8 · LAB-Bench FigQA(FutureHouse FigQA; prompting and tools are recorded per result),视觉基准 Python 工具配置,Score 87.3%(具体成绩公布时间未确认)。官方出处 Claude Opus 4.8 System Card(附件,当前保存副本:本地留存副本 与 current-opus-4-8-system-card.txt;PDF 246 页,封面日期 2026-05-28,修订记录最后明确日期 2026-06-17;当前 PDF 修订日期未知。此前来源记录 collectedAt 为 2026-11-11;当前副本于 2026-11-16 复核。)§8.12.3, PDF p.218; Figure 8.12.3.A, PDF p.219,https://www.anthropic.com/claude-opus-4-8-system-card#page=218。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-8/ev-op48-card-figqa-python/

关联成绩与条件

Claude Opus 4.8 · LAB-Bench FigQA 成绩与配置
指标与成绩配置与评测条件证据关系
Score87.3%原文 87.3% · 单位 %
公布 未确认
视觉基准 Python 工具
设置
Adaptive thinking、max effort、Python tools;各图表注明时平均 5 runs,95% CI。
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 public set, 181 questions; average over 5 runs; figure uses new grader.
条件
Adaptive thinking/max effort with Python tools. Proposed catalog ID; do not merge with LABBench2 overall/category score.

直接支持该成绩

在排名中查看此成绩