Claude Fable 5.1 · Toolathlon-Verified · June 2026 finalized release · 成绩与配置

Claude Fable 5.1 的 Toolathlon-Verified · June 2026 finalized release 记录。本次发布有 4 条成绩记录,含 4 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 · Toolathlon-Verified 成绩与配置
指标与成绩配置与评测条件出处
Pass@177.8%原文 77.8% · 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
max
框架
未记录
协议
Toolathlon-Verified June 2026 finalized release; 108 tasks; three trials; adaptive max effort.
条件
Safety classifiers enabled with Opus 4.8 refusal fallback; Pass@1 values include the reported fallback interventions.
在排名中查看此成绩
Pass@381.5%原文 81.5% · 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
max
框架
未记录
协议
Toolathlon-Verified June 2026 finalized release; 108 tasks; three trials; adaptive max effort.
条件
Safety classifiers enabled with Opus 4.8 refusal fallback; Pass@1 values include the reported fallback interventions.
在排名中查看此成绩
Pass³73.1%原文 73.1% · 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
max
框架
未记录
协议
Toolathlon-Verified June 2026 finalized release; 108 tasks; three trials; adaptive max effort.
条件
Safety classifiers enabled with Opus 4.8 refusal fallback; Pass@1 values include the reported fallback interventions.
在排名中查看此成绩
Average assistant turns23.7 turns原文 23.7 turns · 单位 turns
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
max
框架
未记录
协议
Toolathlon-Verified June 2026 finalized release; 108 tasks; three trials; adaptive max effort.
条件
Safety classifiers enabled with Opus 4.8 refusal fallback; Pass@1 values include the reported fallback interventions.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 Toolathlon-Verified

  • Pass@1 · % · 越高越好
  • Pass@3 · % · 越高越好
  • Pass³ · % · 越高越好
  • Average assistant turns · turns · 越低越好