Claude Sonnet 4.6 · τ²-bench(Retail section) 91.7% · 主文证据(ev46-main-retail)

Claude Sonnet 4.6 的 τ²-bench · Retail section 官方出处。Adaptive thinking, max effort · 91.7%。见《Introducing Claude Sonnet 4.6》Evaluating Claude Sonnet 4.6, benchmark summary image, Agentic tool use row, Retail subrow。证据 ev46-main-retail。

原文与定位

Claude Sonnet 4.6 · τ²-bench(Retail section),Adaptive thinking, max effort配置,Success rate 91.7%(具体成绩公布时间未确认)。见《Introducing Claude Sonnet 4.6》Evaluating Claude Sonnet 4.6, benchmark summary image, Agentic tool use row, Retail subrow。 查看成绩条件

τ2-bench Retail: 91.7%.
官方材料
Introducing Claude Sonnet 4.6 · 定位到章节
定位
主文 · Evaluating Claude Sonnet 4.6, benchmark summary image, Agentic tool use row, Retail subrow
材料版本
Current page collected 2026-11-10; datePublished 2026-02-17; dateModified 2026-10-14T23:56:52Z
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 · τ²-bench(Retail section),Adaptive thinking, max effort配置,Success rate 91.7%(具体成绩公布时间未确认)。官方出处 Introducing Claude Sonnet 4.6(主文,Current page collected 2026-11-10; datePublished 2026-02-17; dateModified 2026-10-14T23:56:52Z)Evaluating Claude Sonnet 4.6, benchmark summary image, Agentic tool use row, Retail subrow,https://www.anthropic.com/news/claude-sonnet-4-6#evaluating-claude-sonnet-46。Benchlog https://benchlog.lekshome.cc/evidence/claude-sonnet-4-6/ev46-main-retail/

关联成绩与条件

Claude Sonnet 4.6 · τ²-bench 成绩与配置
指标与成绩配置与评测条件证据关系
Success rate91.7%原文 91.7% · 单位 %
公布 未确认
Adaptive thinking, max effort
设置
Adaptive thinking enabled; max effort; default temperature and top_p unless an evaluation specifies otherwise.
未知项
Context window is evaluation-dependent; Table 2.1.A states it does not exceed 1M tokens.
工具
工具条件未记录
推理预算
max
框架
未记录
协议
τ²-bench Retail section.
条件
10 trials; adaptive thinking, max effort, default sampling. Airline results omitted because policy loopholes were not yet incorporated upstream.

直接支持该成绩

在排名中查看此成绩