Claude Opus 5.5 · Terminal-Bench-Science(0.1) 58.7% · 附件证据(ev-op55-card-terminal-science)

Claude Opus 5.5 的 Terminal-Bench-Science · 0.1 官方出处。Adaptive Max · 58.7%。见《Claude Opus 5.5 System Card》§8.6, p.178。证据 ev-op55-card-terminal-science。

原文与定位

Claude Opus 5.5 · Terminal-Bench-Science(0.1),Adaptive Max配置,Score 58.7%(具体成绩公布时间未确认)。见《Claude Opus 5.5 System Card》§8.6, p.178。 查看成绩条件

Claude Opus 5.5 scored 58.7% on Terminal-Bench-Science with safeguards enabled; requests flagged by safeguards were answered by a fallback model ... (3.9% of requests, affecting 5% of trials). It averaged over 10 trials per task (700 trials).
官方材料
Claude Opus 5.5 System Card · PDF 第 178 页
定位
附件 · §8.6, p.178
材料版本
官方当前 System Card;封面日期 2026-09-22;本地 PDF/TXT:本地留存副本、current-opus-5-5-system-card.txt;230 页全文核读;当前修订时间未知
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 5.5 · Terminal-Bench-Science(0.1),Adaptive Max配置,Score 58.7%(具体成绩公布时间未确认)。官方出处 Claude Opus 5.5 System Card(附件,官方当前 System Card;封面日期 2026-09-22;本地 PDF/TXT:本地留存副本、current-opus-5-5-system-card.txt;230 页全文核读;当前修订时间未知)§8.6, p.178,https://www.anthropic.com/claude-opus-5-5-system-card#page=178。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-5-5/ev-op55-card-terminal-science/

关联成绩与条件

Claude Opus 5.5 · Terminal-Bench-Science 成绩与配置
指标与成绩配置与评测条件证据关系
Score58.7%原文 58.7% · 单位 %
公布 未确认
Adaptive Max
设置
官方主表标准配置为 adaptive thinking/max effort、默认 temperature/top_p;具体工具、safeguards、fallback 与运行数按各评测章节记录,不将其一概视为生产 safeguards enabled。
未知项
表格没有为每个 benchmark 单独列出采样设置和运行数;章节明确列出的差异优先。
工具
工具条件未记录
推理预算
max
框架
未记录
协议
Terminal-Bench-Science 0.1。
条件
System Card: safeguards enabled; flagged requests use default server-side fallback (3.9% of requests, affecting 5% of trials); ten trials per task, 700 total. Standard error is ±3.5–4.8 points; do not merge with other harnesses.

直接支持该成绩

在排名中查看此成绩