Claude Opus 4.8 · BrowseComp · 1,266 题;单代理与多代理按协议区分 · 成绩与配置

Claude Opus 4.8 的 BrowseComp · 1,266 题;单代理与多代理按协议区分 记录。本次发布有 1 条成绩记录,含 1 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 Opus 4.8 · BrowseComp 成绩与配置
指标与成绩配置与评测条件出处
Accuracy84.3%原文 84.3% · 单位 %
公布 未确认
BrowseComp 10M
设置
Web search、web fetch、programmatic tool calling、code execution;adaptive thinking max effort;10M token 总预算,200K 触发 context compaction;使用更新的污染规避 blocklist。
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
Single-agent BrowseComp; updated contamination blocklist; search-result and fetched-page content filter also described in Appendix 9.3.
条件
Web search/fetch, programmatic tool calling and code execution; adaptive thinking/max effort; 10M token limit, compaction triggered at 200K. Exclude separate multi-agent result.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 BrowseComp、Multi-agent BrowseComp

  • Accuracy · % · 越高越好