Claude Opus 4.8 · GPQA Diamond · 198-question Diamond subset · 成绩与配置

Claude Opus 4.8 的 GPQA Diamond · 198-question Diamond subset 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 · GPQA Diamond 成绩与配置
指标与成绩配置与评测条件出处
Accuracy93.6%原文 93.6% · 单位 %
公布 未确认
System Card 默认配置
设置
除章节另有说明外,adaptive thinking at max effort,默认 temperature/top_p,平均 5 trials;评测上下文依任务而定且不超过 1M tokens。
未知项
未另记
工具
工具条件未记录
推理预算
max
框架
未记录
协议
GPQA Diamond, 198-question subset; average over 25 trials.
条件
System Card reports the Diamond subset and trial count.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 GPQA Diamond、GPQA (diamond)

  • Accuracy · % · 越高越好