Claude Opus 4.8 · GPQA Diamond(198-question Diamond subset) 93.6% · 附件证据(ev-op48-card-gpqa)

Claude Opus 4.8 的 GPQA Diamond · 198-question Diamond subset 官方出处。System Card 默认配置 · 93.6%。见《Claude Opus 4.8 System Card》§8.6, PDF p.198。证据 ev-op48-card-gpqa。

原文与定位

Claude Opus 4.8 · GPQA Diamond(198-question Diamond subset),System Card 默认配置配置,Accuracy 93.6%(具体成绩公布时间未确认)。见《Claude Opus 4.8 System Card》§8.6, PDF p.198。 查看成绩条件

We use the 198-question Diamond subset ... Opus 4.8 achieved 93.6% on GPQA Diamond, averaged over 25 trials.
官方材料
Claude Opus 4.8 System Card · PDF 第 198 页
定位
附件 · §8.6, PDF p.198
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 · GPQA Diamond(198-question Diamond subset),System Card 默认配置配置,Accuracy 93.6%(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。)§8.6, PDF p.198,https://www.anthropic.com/claude-opus-4-8-system-card#page=198。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-8/ev-op48-card-gpqa/

关联成绩与条件

Claude Opus 4.8 · GPQA Diamond 成绩与配置
指标与成绩配置与评测条件证据关系
Accuracy93.6%原文 93.6% · 单位 %
公布 未确认
System Card 默认配置
设置
除章节另有说明外,adaptive thinking at max effort,默认 temperature/top_p,平均 5 trials;评测上下文依任务而定且不超过 1M tokens。
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
GPQA Diamond, 198-question subset; average over 25 trials.
条件
System Card reports the Diamond subset and trial count.

直接支持该成绩

在排名中查看此成绩