Claude Opus 4.6 · GPQA Diamond(198-question Diamond subset) 91.31% · 附件证据(ev-op46-card-gpqa)

Claude Opus 4.6 的 GPQA Diamond · 198-question Diamond subset 官方出处。Max effort · 91.31%。见《Claude Opus 4.6 System Card》PDF p.25, §2.11, GPQA Diamond results paragraph。证据 ev-op46-card-gpqa。

原文与定位

Claude Opus 4.6 · GPQA Diamond(198-question Diamond subset),Max effort配置,Accuracy 91.31%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF p.25, §2.11, GPQA Diamond results paragraph。 查看成绩条件

Claude Opus 4.6 achieved 91.31% on the 198-question Diamond subset, averaged over 5 trials with adaptive thinking, max effort, and default sampling settings.
官方材料
Claude Opus 4.6 System Card · PDF 第 25 页
定位
附件 · PDF p.25, §2.11, GPQA Diamond results paragraph
材料版本
Current PDF/TXT; local source 本地留存副本 and 本地留存副本; 213 pages; changelog through 2026-03-06; full text and visuals reviewed.
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 4.6 · GPQA Diamond(198-question Diamond subset),Max effort配置,Accuracy 91.31%(具体成绩公布时间未确认)。官方出处 Claude Opus 4.6 System Card(附件,Current PDF/TXT; local source 本地留存副本 and 本地留存副本; 213 pages; changelog through 2026-03-06; full text and visuals reviewed.)PDF p.25, §2.11, GPQA Diamond results paragraph,https://www.anthropic.com/claude-opus-4-6-system-card#page=25。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-6/ev-op46-card-gpqa/

关联成绩与条件

Claude Opus 4.6 · GPQA Diamond 成绩与配置
指标与成绩配置与评测条件证据关系
Accuracy91.31%原文 91.31% · 单位 %
公布 未确认
Max effort
设置
仅在来源明确写明 max effort 时使用;token budget 与 effort 分别记录,不由 token 数推断。
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。
条件
5 trials average;adaptive thinking、max effort、default temperature/top_p。

直接支持该成绩

在排名中查看此成绩