Claude Opus · BioMysteryBench · 官方发布表列 Hard 与 human-solved 结果;细分版本未注明 · 历代记录

按发布时间查看 Claude Opus 的 2 次发布在 BioMysteryBench · 官方发布表列 Hard 与 human-solved 结果;细分版本未注明 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 4.6

· 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 4.6 · BioMysteryBench 成绩与配置
指标与成绩配置与评测条件出处
Overall score61.5%原文 61.5% · 单位 %
公布 未确认
Life science internal · no extended thinking
设置
Anthropic 内部生命科学评测;bash 与 package managers;without extended thinking。
未知项
各项为非公开内部评测;trial 数与 effort 未说明。
工具
允许工具
推理预算
未记录
框架
未记录
协议
BioMysteryBench;computational biology。
条件
Unpublished Anthropic internal capability evaluation; bash/package managers available; without extended thinking; version, effort and trial count not disclosed.

Claude Opus 5

· 本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)

Claude Opus 5 · BioMysteryBench 成绩与配置
指标与成绩配置与评测条件出处
Human Difficult subset score49.4%原文 49.4% (Human Difficult) · 单位 %
公布 未确认
BioMysteryBench · max
设置
Card-wide default max effort; bash, file editor, and package managers; Human Solvable and Human Difficult subsets; multiple tasks are nonpublic/internal evaluations.
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
BioMysteryBench Human Difficult subset.
条件
Card-wide default max effort; bash, file editor and package managers; six problems removed after external feedback.
在排名中查看此成绩
Human Solvable subset score90.1%原文 90.1% (Human Solvable) · 单位 %
公布 未确认
BioMysteryBench · max
设置
Card-wide default max effort; bash, file editor, and package managers; Human Solvable and Human Difficult subsets; multiple tasks are nonpublic/internal evaluations.
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
BioMysteryBench Human Solvable subset.
条件
Card-wide default max effort; bash, file editor and package managers; three problems removed after external feedback.
在排名中查看此成绩