Claude Opus 4.5 · WebArena(Official WebArena grader; exact task release/subset not stated in card) · 附件证据(ev-op45-card-webarena)
Claude Opus 4.5 的 WebArena · Official WebArena grader; exact task release/subset not stated in card 官方出处。见《Claude Opus 4.5 System Card》PDF p.35, §2.22, Tables 2.22.A and 2.22.B。证据 ev-op45-card-webarena。
原文与定位
Claude Opus 4.5 · WebArena(Official WebArena grader; exact task release/subset not stated in card),WebArena single-policy evaluation配置,Pass@1 65.3%(具体成绩公布时间未确认)。见《Claude Opus 4.5 System Card》PDF p.35, §2.22, Tables 2.22.A and 2.22.B。 查看成绩条件
Claude Opus 4.5 · WebArena(Official WebArena grader; exact task release/subset not stated in card),WebArena single-policy evaluation配置,Pass@2 69.5%(具体成绩公布时间未确认)。见《Claude Opus 4.5 System Card》PDF p.35, §2.22, Tables 2.22.A and 2.22.B。 查看成绩条件
Claude Opus 4.5 · WebArena(Official WebArena grader; exact task release/subset not stated in card),WebArena single-policy evaluation配置,Pass@3 71.2%(具体成绩公布时间未确认)。见《Claude Opus 4.5 System Card》PDF p.35, §2.22, Tables 2.22.A and 2.22.B。 查看成绩条件
Claude Opus 4.5 · WebArena(Official WebArena grader; exact task release/subset not stated in card),WebArena single-policy evaluation配置,Pass@4 72.4%(具体成绩公布时间未确认)。见《Claude Opus 4.5 System Card》PDF p.35, §2.22, Tables 2.22.A and 2.22.B。 查看成绩条件
Claude Opus 4.5: 65.3% ... average of 5 independent runs. Pass@1 65.3%; Pass@2 69.5%; Pass@3 71.2%; Pass@4 72.4%.
- 官方材料
- Claude Opus 4.5 System Card · PDF 第 35 页
- 定位
- 附件 · PDF p.35, §2.22, Tables 2.22.A and 2.22.B
- 材料版本
- Current saved PDF/TXT: 本地留存副本 and .txt; cover November 2025, change log 2025-11-24; current binary is not established as launch-day bytes; fully reviewed 2026-11-16.
- 版本公布
- 未确认
- 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 Opus 4.5 · WebArena(Official WebArena grader; exact task release/subset not stated in card),WebArena single-policy evaluation配置,Pass@1 65.3%(具体成绩公布时间未确认);Claude Opus 4.5 · WebArena(Official WebArena grader; exact task release/subset not stated in card),WebArena single-policy evaluation配置,Pass@2 69.5%(具体成绩公布时间未确认);Claude Opus 4.5 · WebArena(Official WebArena grader; exact task release/subset not stated in card),WebArena single-policy evaluation配置,Pass@3 71.2%(具体成绩公布时间未确认);Claude Opus 4.5 · WebArena(Official WebArena grader; exact task release/subset not stated in card),WebArena single-policy evaluation配置,Pass@4 72.4%(具体成绩公布时间未确认)。官方出处 Claude Opus 4.5 System Card(附件,Current saved PDF/TXT: 本地留存副本 and .txt; cover November 2025, change log 2025-11-24; current binary is not established as launch-day bytes; fully reviewed 2026-11-16.)PDF p.35, §2.22, Tables 2.22.A and 2.22.B,https://www.anthropic.com/claude-opus-4-5-system-card#page=35。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-5/ev-op45-card-webarena/
关联成绩与条件
| 指标与成绩 | 配置与评测条件 | 证据关系 |
|---|---|---|
| Pass@165.3%原文 65.3% · 单位 % 公布 未确认 | WebArena single-policy evaluation
| 直接支持该成绩 在排名中查看此成绩 |
| Pass@269.5%原文 69.5% · 单位 % 公布 未确认 | WebArena single-policy evaluation
| 直接支持该成绩 在排名中查看此成绩 |
| Pass@371.2%原文 71.2% · 单位 % 公布 未确认 | WebArena single-policy evaluation
| 直接支持该成绩 在排名中查看此成绩 |
| Pass@472.4%原文 72.4% · 单位 % 公布 未确认 | WebArena single-policy evaluation
| 直接支持该成绩 在排名中查看此成绩 |