Claude Opus · ARC-AGI-2 · Verified;题集组成未在发布表中说明 · 历代记录

按发布时间查看 Claude Opus 的 2 次发布在 ARC-AGI-2 · Verified;题集组成未在发布表中说明 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 Opus 4.5

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

Claude Opus 4.5 · ARC-AGI-2 成绩与配置
指标与成绩配置与评测条件出处
Accuracy37.6%原文 37.6% · 单位 %
公布 未确认
默认 High
设置
64K thinking budget、200K context、默认 high、默认 sampling、5 次独立试验。
未知项
未另记
工具
工具条件未记录
推理预算
high · 思考预算 64K
框架
未记录
协议
ARC-AGI-2 Verified;发布表未说明子集。
条件
64K thinking budget、默认 high、默认 sampling、5 次独立试验。
在排名中查看此成绩

Claude Opus 4.6

· 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 Opus 4.6 · ARC-AGI-2 成绩与配置
指标与成绩配置与评测条件出处
Accuracy68.8%原文 68.8% · 单位 %
公布 未确认
Max effort
设置
仅在来源明确写明 max effort 时使用;token budget 与 effort 分别记录,不由 token 数推断。
未知项
未另记
工具
工具条件未记录
推理预算
max · 思考预算 120K
框架
未记录
协议
ARC-AGI-2 (Verified);与 ARC Prize Foundation private dataset 成绩分开。
条件
68.8% 来自 Table 2.3.A 的 Verified 行;该表注明 Opus 4.6 通常使用 adaptive thinking + max effort,5-run average 除非另注。120K thinking tokens 属于另一个 ARC Prize private-dataset High-effort 结果,不适用于本记录。
在排名中查看此成绩