Claude Fable 5.1 · HealthBench · 48,000+ rubric items across 5,000 multi-turn conversations · 成绩与配置

Claude Fable 5.1 的 HealthBench · 48,000+ rubric items across 5,000 multi-turn conversations 记录。本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录),附 1 条来源定位。

成绩与评测条件

Claude Fable 5.1 · HealthBench 成绩与配置
指标与成绩配置与评测条件出处
Raw score66.7%原文 66.7% · 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
禁止工具
推理预算
max
框架
未记录
协议
HealthBench; average over five trials; adaptive max effort.
条件
Production safety classifiers and refusal fallback to Opus 5; no tools or custom prompts.
在排名中查看此成绩
Length-adjusted score60%原文 60.0% · 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
禁止工具
推理预算
max
框架
未记录
协议
HealthBench; length-adjusted score; average over five trials; adaptive max effort.
条件
Production safety classifiers and refusal fallback to Opus 5; no tools or custom prompts.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 HealthBench

  • Length-adjusted score · % · 越高越好
  • Raw score · % · 越高越好
  • Mean response length · characters · 排序方向未确认
  • 长度校正分(0–100) · score · 越高越好
  • 未校正分(0–100) · score · 越高越好
  • 相对 GPT-5.4 的长度校正分差 · points · 排序方向未确认
  • Unadjusted score · % · 越高越好