Claude Opus 4.8 · DRACO(100-task Perplexity deep-research benchmark) 80.4% · 附件证据(ev-op48-card-draco)

Claude Opus 4.8 的 DRACO · 100-task Perplexity deep-research benchmark 官方出处。DRACO single-agent · 80.4%。见《Claude Opus 4.8 System Card》§8.10.4, PDF pp.207-209, Figure 8.10.4.A-C。证据 ev-op48-card-draco。

原文与定位

Claude Opus 4.8 · DRACO(100-task Perplexity deep-research benchmark),DRACO single-agent配置,Normalized score 80.4%(具体成绩公布时间未确认)。见《Claude Opus 4.8 System Card》§8.10.4, PDF pp.207-209, Figure 8.10.4.A-C。 查看成绩条件

Opus 4.8 scored 80.4% with adaptive thinking at max effort and a 1M token limit. We used context compaction (triggered at 200k tokens).
官方材料
Claude Opus 4.8 System Card · PDF 第 207 页
定位
附件 · §8.10.4, PDF pp.207-209, Figure 8.10.4.A-C
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 · DRACO(100-task Perplexity deep-research benchmark),DRACO single-agent配置,Normalized score 80.4%(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。)§8.10.4, PDF pp.207-209, Figure 8.10.4.A-C,https://www.anthropic.com/claude-opus-4-8-system-card#page=207。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-8/ev-op48-card-draco/

关联成绩与条件

Claude Opus 4.8 · DRACO 成绩与配置
指标与成绩配置与评测条件证据关系
Normalized score80.4%原文 80.4% · 单位 %
公布 未确认
DRACO single-agent
设置
100 curated tasks;web search、web fetch、programmatic tool calling、code execution;adaptive max effort;1M token limit,200K 触发 context compaction;模型回答单次执行,Opus 4.6 judge 对每个回答评分 5 次取平均。
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
DRACO, 100 curated tasks; single model response per task; five Opus 4.6 judging runs per response, averaged.
条件
Adaptive thinking/max effort; web search/fetch, programmatic tool calling and code execution; 1M token limit, context compaction triggered at 200K. Judge change from original benchmark limits direct comparison to paper headline values.

直接支持该成绩

在排名中查看此成绩