Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader) · 附件证据(ev-op46-card-webarena)

Claude Opus 4.6 的 WebArena · Official WebArena grader, modified fuzzy_match subgrader 官方出处。见《Claude Opus 4.6 System Card》PDF p.38, Tables 2.20.A and 2.20.B。证据 ev-op46-card-webarena。

原文与定位

Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Average@5 score 68%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF p.38, Tables 2.20.A and 2.20.B。 查看成绩条件

Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@1 68%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF p.38, Tables 2.20.A and 2.20.B。 查看成绩条件

Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@2 71.7%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF p.38, Tables 2.20.A and 2.20.B。 查看成绩条件

Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@3 72.5%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF p.38, Tables 2.20.A and 2.20.B。 查看成绩条件

Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@4 73.4%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF p.38, Tables 2.20.A and 2.20.B。 查看成绩条件

Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@5 74%(具体成绩公布时间未确认)。见《Claude Opus 4.6 System Card》PDF p.38, Tables 2.20.A and 2.20.B。 查看成绩条件

WebArena Opus 4.6: Average@5 68.0%; Pass@1 68.0%, Pass@2 71.7%, Pass@3 72.5%, Pass@4 73.4%, Pass@5 74.0%. The official grader changed fuzzy_match from GPT-4 to Claude Sonnet 4.5 and used a rewritten judge prompt; Average@5 is five independent runs.
官方材料
Claude Opus 4.6 System Card · PDF 第 38 页
定位
附件 · PDF p.38, Tables 2.20.A and 2.20.B
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 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Average@5 score 68%(具体成绩公布时间未确认);Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@1 68%(具体成绩公布时间未确认);Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@2 71.7%(具体成绩公布时间未确认);Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@3 72.5%(具体成绩公布时间未确认);Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@4 73.4%(具体成绩公布时间未确认);Claude Opus 4.6 · WebArena(Official WebArena grader, modified fuzzy_match subgrader),WebArena · 单策略模型配置,Pass@5 74%(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.38, Tables 2.20.A and 2.20.B,https://www.anthropic.com/claude-opus-4-6-system-card#page=38。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-6/ev-op46-card-webarena/

关联成绩与条件

Claude Opus 4.6 · WebArena 成绩与配置
指标与成绩配置与评测条件证据关系
Average@5 score68%原文 68.0% · 单位 %
公布 未确认
WebArena · 单策略模型
设置
Computer Use API;截图与 DOM 浏览器工具;通用提示;单策略模型;effort 未说明。
未知项
PDF 未报告 reasoning effort。
工具
允许工具
推理预算
未记录
框架
未记录
协议
WebArena;single policy model;Computer Use API;official grader with fuzzy_match subgrader changed to Claude Sonnet 4.5 and rewritten judge prompt。
条件
Average@5, five independent runs; effort not reported. Multi-agent reference systems are not directly comparable and are not included as Opus 4.6 results.。

直接支持该成绩

在排名中查看此成绩
Pass@168%原文 68.0% · 单位 %
公布 未确认
WebArena · 单策略模型
设置
Computer Use API;截图与 DOM 浏览器工具;通用提示;单策略模型;effort 未说明。
未知项
PDF 未报告 reasoning effort。
工具
允许工具
推理预算
未记录
框架
未记录
协议
WebArena;Pass@1;official grader。
条件
Table 2.20.B;sampling count and effort are not specified in the card. Pass@k is kept separate from Average@5.。

直接支持该成绩

在排名中查看此成绩
Pass@271.7%原文 71.7% · 单位 %
公布 未确认
WebArena · 单策略模型
设置
Computer Use API;截图与 DOM 浏览器工具;通用提示;单策略模型;effort 未说明。
未知项
PDF 未报告 reasoning effort。
工具
允许工具
推理预算
未记录
框架
未记录
协议
WebArena;Pass@2;official grader。
条件
Table 2.20.B;sampling count and effort are not specified in the card. Pass@k is kept separate from Average@5.。

直接支持该成绩

在排名中查看此成绩
Pass@372.5%原文 72.5% · 单位 %
公布 未确认
WebArena · 单策略模型
设置
Computer Use API;截图与 DOM 浏览器工具;通用提示;单策略模型;effort 未说明。
未知项
PDF 未报告 reasoning effort。
工具
允许工具
推理预算
未记录
框架
未记录
协议
WebArena;Pass@3;official grader。
条件
Table 2.20.B;sampling count and effort are not specified in the card. Pass@k is kept separate from Average@5.。

直接支持该成绩

在排名中查看此成绩
Pass@473.4%原文 73.4% · 单位 %
公布 未确认
WebArena · 单策略模型
设置
Computer Use API;截图与 DOM 浏览器工具;通用提示;单策略模型;effort 未说明。
未知项
PDF 未报告 reasoning effort。
工具
允许工具
推理预算
未记录
框架
未记录
协议
WebArena;Pass@4;official grader。
条件
Table 2.20.B;sampling count and effort are not specified in the card. Pass@k is kept separate from Average@5.。

直接支持该成绩

在排名中查看此成绩
Pass@574%原文 74.0% · 单位 %
公布 未确认
WebArena · 单策略模型
设置
Computer Use API;截图与 DOM 浏览器工具;通用提示;单策略模型;effort 未说明。
未知项
PDF 未报告 reasoning effort。
工具
允许工具
推理预算
未记录
框架
未记录
协议
WebArena;Pass@5;official grader。
条件
Table 2.20.B;sampling count and effort are not specified in the card. Pass@k is kept separate from Average@5.。

直接支持该成绩

在排名中查看此成绩