Claude Sonnet 5.5 · WANDR(500-task wide research benchmark) · 附件证据(ev55-visual-wandr-effort)

Claude Sonnet 5.5 的 WANDR · 500-task wide research benchmark 官方出处。见《Claude Sonnet 5.5 System Card》§8.11.3, Figure 8.11.3.A, PDF p.122; chart-label transcription。证据 ev55-visual-wandr-effort。

原文与定位

Claude Sonnet 5.5 · WANDR(500-task wide research benchmark),Low effort配置,Soft F1 10%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5 System Card》§8.11.3, Figure 8.11.3.A, PDF p.122; chart-label transcription。 查看成绩条件

Claude Sonnet 5.5 · WANDR(500-task wide research benchmark),Medium effort配置,Soft F1 29.9%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5 System Card》§8.11.3, Figure 8.11.3.A, PDF p.122; chart-label transcription。 查看成绩条件

Claude Sonnet 5.5 · WANDR(500-task wide research benchmark),High effort配置,Soft F1 56.3%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5 System Card》§8.11.3, Figure 8.11.3.A, PDF p.122; chart-label transcription。 查看成绩条件

Claude Sonnet 5.5 · WANDR(500-task wide research benchmark),Xhigh effort配置,Soft F1 66.6%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5 System Card》§8.11.3, Figure 8.11.3.A, PDF p.122; chart-label transcription。 查看成绩条件

Claude Sonnet 5.5 · WANDR(500-task wide research benchmark),Max effort配置,Soft F1 70%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5 System Card》§8.11.3, Figure 8.11.3.A, PDF p.122; chart-label transcription。 查看成绩条件

Claude Sonnet 5.5: Low 10.0%; Med 29.9%; High 56.3%; Xhigh 66.6%; Max 70.0%.
官方材料
Claude Sonnet 5.5 System Card · PDF 第 122 页
定位
附件 · §8.11.3, Figure 8.11.3.A, PDF p.122; chart-label transcription
材料版本
PDF cover dated 2026-09-28; 148 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 5.5 · WANDR(500-task wide research benchmark),Low effort配置,Soft F1 10%(具体成绩公布时间未确认);Claude Sonnet 5.5 · WANDR(500-task wide research benchmark),Medium effort配置,Soft F1 29.9%(具体成绩公布时间未确认);Claude Sonnet 5.5 · WANDR(500-task wide research benchmark),High effort配置,Soft F1 56.3%(具体成绩公布时间未确认);Claude Sonnet 5.5 · WANDR(500-task wide research benchmark),Xhigh effort配置,Soft F1 66.6%(具体成绩公布时间未确认);Claude Sonnet 5.5 · WANDR(500-task wide research benchmark),Max effort配置,Soft F1 70%(具体成绩公布时间未确认)。官方出处 Claude Sonnet 5.5 System Card(附件,PDF cover dated 2026-09-28; 148 pages; collected 2026-11-10)§8.11.3, Figure 8.11.3.A, PDF p.122; chart-label transcription,https://www.anthropic.com/claude-sonnet-5-5-system-card#page=122。Benchlog https://benchlog.lekshome.cc/evidence/claude-sonnet-5-5/ev55-visual-wandr-effort/

关联成绩与条件

Claude Sonnet 5.5 · WANDR 成绩与配置
指标与成绩配置与评测条件证据关系
Soft F110%原文 10.0% · 单位 %
公布 未确认
Low effort
设置
Low reasoning effort.
未知项
Sampling settings not stated unless recorded per result.
工具
允许工具
推理预算
low
框架
未记录
协议
WANDR, 500 tasks; soft F1 averaged across tasks.
条件
Figure labels the effort Low; offline web search and web fetch over a frozen index; Claude Opus 4.6 grader; 980k-token task budget. The report says the modified tools and grading differ from Perplexity's harness.

直接支持该成绩

在排名中查看此成绩
Soft F129.9%原文 29.9% · 单位 %
公布 未确认
Medium effort
设置
Medium reasoning effort.
未知项
Sampling settings not stated unless recorded per result.
工具
允许工具
推理预算
med
框架
未记录
协议
WANDR, 500 tasks; soft F1 averaged across tasks.
条件
Figure labels the effort Med; offline web search and web fetch over a frozen index; Claude Opus 4.6 grader; 980k-token task budget. The report says the modified tools and grading differ from Perplexity's harness.

直接支持该成绩

在排名中查看此成绩
Soft F156.3%原文 56.3% · 单位 %
公布 未确认
High effort
设置
High reasoning effort.
未知项
Sampling settings not stated unless recorded per result.
工具
允许工具
推理预算
high
框架
未记录
协议
WANDR, 500 tasks; soft F1 averaged across tasks.
条件
Figure labels the effort High; offline web search and web fetch over a frozen index; Claude Opus 4.6 grader; 980k-token task budget. The report says the modified tools and grading differ from Perplexity's harness.

直接支持该成绩

在排名中查看此成绩
Soft F166.6%原文 66.6% · 单位 %
公布 未确认
Xhigh effort
设置
Xhigh reasoning effort.
未知项
Sampling settings not stated unless recorded per result.
工具
允许工具
推理预算
xhigh
框架
未记录
协议
WANDR, 500 tasks; soft F1 averaged across tasks.
条件
Figure labels the effort Xhigh; offline web search and web fetch over a frozen index; Claude Opus 4.6 grader; 980k-token task budget. The report says the modified tools and grading differ from Perplexity's harness.

直接支持该成绩

在排名中查看此成绩
Soft F170%原文 70.0% · 单位 %
公布 未确认
Max effort
设置
Max reasoning effort.
未知项
Adaptive thinking status is benchmark-specific.
工具
允许工具
推理预算
max
框架
未记录
协议
WANDR, 500 tasks; soft F1 averaged across tasks.
条件
Figure labels the effort Max; offline web search and web fetch over a frozen index; Claude Opus 4.6 grader; 980k-token task budget. The report says the modified tools and grading differ from Perplexity's harness.

直接支持该成绩

在排名中查看此成绩