Claude Sonnet 5.5 · Terminal-Bench-Science · 0.1 · 成绩与配置

Claude Sonnet 5.5 的 Terminal-Bench-Science · 0.1 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 Sonnet 5.5 · Terminal-Bench-Science 成绩与配置
指标与成绩配置与评测条件出处
Score59.9%原文 59.9% · 单位 %
公布 未确认
Terminal-Bench 4.0 max effort with safeguards
设置
Claude Code --bare mode, max thinking effort, cyber safeguards enabled.
未知项
Default sampling settings not stated.
工具
工具条件未记录
推理预算
max
框架
Claude Code --bare mode
协议
Terminal-Bench-Science 0.1, 70 scientific-workflow tasks.
条件
Safeguards enabled; no fallback fired; no internet egress, resources pre-cached. Task-clustered standard error ±4.7 points; exact number of trials is not stated.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 Terminal-Bench-Science 0.1

  • Score · % · 越高越好