Claude Haiku 4.5 · tau2-bench(Airline category) 63.6% · 主文证据(ev-h45-tau-airline)

Claude Haiku 4.5 的 tau2-bench · Airline category 官方出处。发布表报告值 · 63.6%。见《Introducing Claude Haiku 4.5》τ²-bench Airline 行。证据 ev-h45-tau-airline。

原文与定位

Claude Haiku 4.5 · tau2-bench(Airline category),发布表报告值配置,Category score 63.6%(具体成绩公布时间未确认)。见《Introducing Claude Haiku 4.5》τ²-bench Airline 行。 查看成绩条件

τ²-bench Airline — Haiku 4.5: 63.6%.
官方材料
Introducing Claude Haiku 4.5 · 定位到章节
定位
主文 · τ²-bench Airline 行
材料版本
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
版本公布
披露时间
未确认 · 首发/后补未确认
采集时间
历史依据
暂无可靠历史版本依据
引用文本

Claude Haiku 4.5 · tau2-bench(Airline category),发布表报告值配置,Category score 63.6%(具体成绩公布时间未确认)。官方出处 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)τ²-bench Airline 行,https://www.anthropic.com/news/claude-haiku-4-5#benchmarks。Benchlog https://benchlog.lekshome.cc/evidence/claude-haiku-4-5/ev-h45-tau-airline/

关联成绩与条件

Claude Haiku 4.5 · tau2-bench 成绩与配置
指标与成绩配置与评测条件证据关系
Category score63.6%原文 63.6% · 单位 %
公布 未确认
发布表报告值
设置
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。
工具
允许工具
推理预算
思考预算 128K
框架
未记录
协议
τ²-bench Airline。
条件
系统卡指出 Airline/Telecom policy prompt addendum;须保留方法提示,跨模型值不宜无条件视为完全可比。

直接支持该成绩

在排名中查看此成绩