Claude Sonnet 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader) 65.6% · 附件证据(ev46-webarena)
Claude Sonnet 4.6 的 WebArena · Official WebArena grader, modified fuzzy_match subgrader 官方出处。Evaluation settings not fully stated · 65.6%。见《Claude Sonnet 4.6 System Card》§2.18.1 Table 2.18.1.A, PDF p.38。证据 ev46-webarena。
原文与定位
Claude Sonnet 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),Evaluation settings not fully stated配置,Average@5 score 65.6%(具体成绩公布时间未确认)。见《Claude Sonnet 4.6 System Card》§2.18.1 Table 2.18.1.A, PDF p.38。 查看成绩条件
Model Score Notes Claude Sonnet 4.6 65.6% Single policy model, general prompts Claude Opus 4.6 68.0% Single policy model, general prompts Claude Opus 4.5 65.3% Single policy model, general prompts Claude Sonnet 4.5 58.5% Single policy model, general prompts Claude Haiku 4.5 53.1% Single policy model, general prompts WebTactix 74.3% Multi-agent system OAgent 71.6% Multi-agent system OpenAI CUA 58.1% – [Table 2.18.1.A] WebArena performance.
- 官方材料
- Claude Sonnet 4.6 System Card · PDF 第 38 页
- 定位
- 附件 · §2.18.1 Table 2.18.1.A, PDF p.38
- 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 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),Evaluation settings not fully stated配置,Average@5 score 65.6%(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)§2.18.1 Table 2.18.1.A, PDF p.38,https://www.anthropic.com/claude-sonnet-4-6-system-card#page=38。Benchlog https://benchlog.lekshome.cc/evidence/claude-sonnet-4-6/ev46-webarena/
关联成绩与条件
| 指标与成绩 | 配置与评测条件 | 证据关系 |
|---|---|---|
| Average@5 score65.6%原文 65.6% · 单位 % 公布 未确认 | Evaluation settings not fully stated
| 直接支持该成绩 在排名中查看此成绩 |