Claude Opus 4.8 · DeepSearchQA(900 prompts;单代理与多代理按协议区分) 93.1% · 附件证据(ev-op48-card-deepsearchqa)

Claude Opus 4.8 的 DeepSearchQA · 900 prompts;单代理与多代理按协议区分 官方出处。DeepSearchQA single-agent · 93.1%。见《Claude Opus 4.8 System Card》§8.10.3, PDF pp.205-206, Figure 8.10.3.A and Table 8.10.3.B。证据 ev-op48-card-deepsearchqa。

原文与定位

Claude Opus 4.8 · DeepSearchQA(900 prompts;单代理与多代理按协议区分),DeepSearchQA single-agent配置,F1 score 93.1%(具体成绩公布时间未确认)。见《Claude Opus 4.8 System Card》§8.10.3, PDF pp.205-206, Figure 8.10.3.A and Table 8.10.3.B。 查看成绩条件

Claude Opus 4.8 93.1% [F1] ... 84.8% [Fully Correct] ... 3.9% [Fully Incorrect] ... 4.3% [Correct with Excessive Answers].
官方材料
Claude Opus 4.8 System Card · PDF 第 206 页
定位
附件 · §8.10.3, PDF pp.205-206, Figure 8.10.3.A and Table 8.10.3.B
材料版本
当前保存副本:本地留存副本 与 current-opus-4-8-system-card.txt;PDF 246 页,封面日期 2026-05-28,修订记录最后明确日期 2026-06-17;当前 PDF 修订日期未知。此前来源记录 collectedAt 为 2026-11-11;当前副本于 2026-11-16 复核。
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 4.8 · DeepSearchQA(900 prompts;单代理与多代理按协议区分),DeepSearchQA single-agent配置,F1 score 93.1%(具体成绩公布时间未确认)。官方出处 Claude Opus 4.8 System Card(附件,当前保存副本:本地留存副本 与 current-opus-4-8-system-card.txt;PDF 246 页,封面日期 2026-05-28,修订记录最后明确日期 2026-06-17;当前 PDF 修订日期未知。此前来源记录 collectedAt 为 2026-11-11;当前副本于 2026-11-16 复核。)§8.10.3, PDF pp.205-206, Figure 8.10.3.A and Table 8.10.3.B,https://www.anthropic.com/claude-opus-4-8-system-card#page=206。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-8/ev-op48-card-deepsearchqa/

关联成绩与条件

Claude Opus 4.8 · DeepSearchQA 成绩与配置
指标与成绩配置与评测条件证据关系
F1 score93.1%原文 93.1% · 单位 %
公布 未确认
DeepSearchQA single-agent
设置
Web search、web fetch、programmatic tool calling;adaptive thinking 与 max effort;900 prompts,1M token budget,不使用 context compaction。
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
DeepSearchQA, 900 prompts; web search/fetch and programmatic tool calling; 1M token budget without context compaction.
条件
Adaptive thinking and max effort. Table 8.10.3.B reports F1 93.1% (±1.4%), fully correct 84.8%, fully incorrect 3.9%, correct with excessive answers 4.3%.

直接支持该成绩

在排名中查看此成绩