Claude Haiku 4.5 · 官方评测披露
Claude Haiku 4.5 当前收录 10 项测试的官方记录。已完成列明材料的核查。
模型发布 · Claude Haiku
官方材料与核查范围
官方发布主文及列明的 39 页 System Card 均已核读;系统卡内容为安全、对齐与 RSP 评估,不增加常规能力排名结果。 核对时间 。
当前资料不足以还原首发。 首发当天主文 HTML 可回放,但系统卡没有可读的同日历史版本,且发布表外链图像未取得可验证的同日图像字节;无法还原完整首发材料集合。
- Introducing Claude Haiku 4.5 · 主文 · 官方发布页;本地保存 HTML/TXT 与主表 PNG:本地留存副本、本地留存副本、本地留存副本;原文发布日期 2025-10-15,当前修订时间未知公布 · 采集 · 已核查 2026-11-16父侧补读发布主文全文、所有客户引述、安全说明、availability与完整脚注,并实际查看SWE-bench柱图和主比较表。未新增普通能力分数;客户私有测试和安全结论不混入普通排名。
- Claude Haiku 4.5 System Card · 附件 · 官方 System Card:PDF 39 页;本地 PDF/TXT:本地留存副本、本地留存副本;整份文本已逐页核读,图表页另作视觉检查公布 未确认 · 采集 · 已核查 PDF 共 39 页,与 TXT 的 39 个页标记一致;整份文本逐页核读。PDF 第 18、25、29、31、32、33 页图表已渲染并视觉检查;内容为 prompt-injection、alignment/welfare、sabotage 与 reward-hacking 等安全实验,未并入常规展示。
配置
- 发布表报告值 · SWE-bench: full 500 problems, 50 trials, no test-time compute, 128K thinking budget, default sampling; Terminal-Bench: Terminus 2, 11 runs split between no thinking and 32K thinking; OSWorld: OSWorld-Verified, 100 steps, 4 runs; GPQA/MMMLU/MMMU follow source table. 未知项 AIME 的 Python 工具使用情况按两个分列配置保存;其余各项的逐行配置以主文脚注为准。
- AIME 2025 Python · AIME 2025;使用 Python;10 次独立运行,每次计算 pass@1 over 16 trials。
- AIME 2025 无工具 · AIME 2025;no tools;10 次独立运行,每次计算 pass@1 over 16 trials。
直接前代与后续发布
当前收录未确认直接前代。 官方关系依据
发布材料称 Haiku 4.5 比前代 Haiku 3.5 更对齐;Haiku 3.5 未纳入本候选范围。
测试记录 · 10
- SWE-bench Verified · Verified subset (500 problems)本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- Terminal-Bench · 版本未注明;Claude Haiku 4.5 发布材料所列本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- τ²-bench · Retail section本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- tau2-bench · Airline category本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- τ²-bench · Telecom section本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- OSWorld-Verified · Verified benchmark; evaluation protocol noted per source本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- AIME · 2025 edition本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
- GPQA Diamond · 198-question Diamond subset本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- MMMLU · 57 subjects and 14 non-English languages本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
- MMMU · Validation split本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)