Claude Opus 5 · BioMysteryBench · 官方发布表列 Hard 与 human-solved 结果;细分版本未注明 · 成绩与配置

Claude Opus 5 的 BioMysteryBench · 官方发布表列 Hard 与 human-solved 结果;细分版本未注明 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 2 条来源定位。

成绩与评测条件

Claude Opus 5 · BioMysteryBench 成绩与配置
指标与成绩配置与评测条件出处
Human Difficult subset score49.4%原文 49.4% (Human Difficult) · 单位 %
公布 未确认
BioMysteryBench · max
设置
Card-wide default max effort; bash, file editor, and package managers; Human Solvable and Human Difficult subsets; multiple tasks are nonpublic/internal evaluations.
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
BioMysteryBench Human Difficult subset.
条件
Card-wide default max effort; bash, file editor and package managers; six problems removed after external feedback.
在排名中查看此成绩
Human Solvable subset score90.1%原文 90.1% (Human Solvable) · 单位 %
公布 未确认
BioMysteryBench · max
设置
Card-wide default max effort; bash, file editor, and package managers; Human Solvable and Human Difficult subsets; multiple tasks are nonpublic/internal evaluations.
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
BioMysteryBench Human Solvable subset.
条件
Card-wide default max effort; bash, file editor and package managers; three problems removed after external feedback.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 BioMysteryBench

  • Hard score · % · 越高越好
  • Human-solved score · % · 越高越好
  • Human Difficult subset score · % · 越高越好
  • Human Solvable subset score · % · 越高越好
  • Overall score · % · 越高越好