Claude Sonnet 4.6 · CharXiv Reasoning(Validation split) · 附件证据(ev46-charxiv)

Claude Sonnet 4.6 的 CharXiv Reasoning · Validation split 官方出处。见《Claude Sonnet 4.6 System Card》§2.17.3, PDF p.36。证据 ev46-charxiv。

原文与定位

Claude Sonnet 4.6 · CharXiv Reasoning(Validation split),Adaptive max, without tools配置,Accuracy 72.4%(具体成绩公布时间未确认)。见《Claude Sonnet 4.6 System Card》§2.17.3, PDF p.36。 查看成绩条件

Claude Sonnet 4.6 · CharXiv Reasoning(Validation split),Adaptive max, image-cropping tool配置,Accuracy 77.4%(具体成绩公布时间未确认)。见《Claude Sonnet 4.6 System Card》§2.17.3, PDF p.36。 查看成绩条件

Claude Sonnet 4.6 achieved a score of 72.4% on CharXiv Reasoning with adaptive thinking, max effort, and without tools. With adaptive thinking, max effort, and a simple image-cropping tool, Sonnet 4.6 achieved a score of 77.4%, outperforming Claude Opus 4.6.
官方材料
Claude Sonnet 4.6 System Card · PDF 第 36 页
定位
附件 · §2.17.3, PDF p.36
材料版本
PDF with changelog dated 2026-03-06; 135 pages; collected 2026-11-10
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 Sonnet 4.6 · CharXiv Reasoning(Validation split),Adaptive max, without tools配置,Accuracy 72.4%(具体成绩公布时间未确认);Claude Sonnet 4.6 · CharXiv Reasoning(Validation split),Adaptive max, image-cropping tool配置,Accuracy 77.4%(具体成绩公布时间未确认)。官方出处 Claude Sonnet 4.6 System Card(附件,PDF with changelog dated 2026-03-06; 135 pages; collected 2026-11-10)§2.17.3, PDF p.36,https://www.anthropic.com/claude-sonnet-4-6-system-card#page=36。Benchlog https://benchlog.lekshome.cc/evidence/claude-sonnet-4-6/ev46-charxiv/

关联成绩与条件

Claude Sonnet 4.6 · CharXiv Reasoning 成绩与配置
指标与成绩配置与评测条件证据关系
Accuracy72.4%原文 72.4% · 单位 %
公布 未确认
Adaptive max, without tools
设置
Adaptive thinking enabled; max effort; no tools.
未知项
Default sampling settings apply unless otherwise stated.
工具
禁止工具
推理预算
max
框架
未记录
协议
CharXiv Reasoning, 1,000 validation questions; five-run average. Tools: none.
条件
Without tools; adaptive thinking, max effort.

直接支持该成绩

在排名中查看此成绩
Accuracy77.4%原文 77.4% · 单位 %
公布 未确认

结果冲突待核对,精确排名不采用。

Adaptive max, image-cropping tool
设置
Adaptive thinking enabled; max effort; simple image-cropping tool available.
未知项
Default sampling settings apply unless otherwise stated.
工具
允许工具
推理预算
max
框架
未记录
协议
CharXiv Reasoning, 1,000 validation questions; five-run average. Tools: image cropping.
条件
Simple image-cropping tool; adaptive thinking, max effort. 同一系统卡图中为 79.4%,正文为 77.4%;未发现更正依据,两值均不参与精确排名。

直接支持该成绩

在排名中查看此成绩