Claude Fable · Terminal-Bench-Science · 0.1 · 历代记录

按发布时间查看 Claude Fable 的 2 次发布在 Terminal-Bench-Science · 0.1 的成绩、配置与披露。

仅为直接前代间的唯一、有效精确值计算差值,要求单位、指标与明确记录的配置和条件一致。

Claude Fable 5.1

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

Claude Fable 5.1 · Terminal-Bench-Science 成绩与配置
指标与成绩配置与评测条件出处
Score52.6%原文 52.6% · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.1;CursorBench 主文引述明确为 max effort;后续 System Card 对 OSWorld/BenchCAD/OfficeQA 对照结果亦标 max effort。
未知项
不同 benchmark 的具体执行细节分别见来源章节;部分测试的采样参数或运行数未单独公布。
工具
工具条件未记录
推理预算
maximum
框架
Claude Code --bare mode
协议
Terminal-Bench-Science 0.1; 70 tasks; Claude Code bare mode; maximum thinking effort; 10 trials per task (700 trials).
条件
Fable 5.1 System Card §8.7 (PDF p.171) confirms Claude Code --bare mode, maximum thinking effort, and 10 trials per task (700 trials).
在排名中查看此成绩

Claude Fable 5.2

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

与直接前代的记录缺少满足差值计算的同条件依据。

Claude Fable 5.2 · Terminal-Bench-Science 成绩与配置
指标与成绩配置与评测条件出处
Score74.6%原文 74.6% · 单位 %
公布 未确认
最高可用 effort(逐项未注明)
设置
Claude Fable 5.2;adaptive thinking always on;发布主表按各项最高可用 effort,逐项标注的 effort 例外优先。API 默认 effort 为 high。
未知项
除单项明确标出的 effort 外,表格未逐 benchmark 说明实际 effort。、System Card pp.1-264 文字已完整核读;对未在对应评测章节披露的采样设置与运行数仍保留未知。
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
Terminal-Bench-Science 0.1;最高可用 effort,逐项 effort 未标。
条件
官方主表;详细 harness/试验数未从 System Card 全文核对。
在排名中查看此成绩