Claude Opus 4.8 · OfficeQA(Pro 133-question subset) 66.2% · 附件证据(ev-op48-card-officeqa-pro)

Claude Opus 4.8 的 OfficeQA · Pro 133-question subset 官方出处。OfficeQA 内部 agentic harness · 66.2%。见《Claude Opus 4.8 System Card》§8.13.1, PDF p.223; Figure 8.13.A。证据 ev-op48-card-officeqa-pro。

原文与定位

Claude Opus 4.8 · OfficeQA(Pro 133-question subset),OfficeQA 内部 agentic harness配置,Exact-match accuracy 66.2%(具体成绩公布时间未确认)。见《Claude Opus 4.8 System Card》§8.13.1, PDF p.223; Figure 8.13.A。 查看成绩条件

Claude Opus 4.8 achieves ... 66.2% on OfficeQA Pro (exact-match grading).
官方材料
Claude Opus 4.8 System Card · PDF 第 223 页
定位
附件 · §8.13.1, PDF p.223; Figure 8.13.A
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 · OfficeQA(Pro 133-question subset),OfficeQA 内部 agentic harness配置,Exact-match accuracy 66.2%(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。)§8.13.1, PDF p.223; Figure 8.13.A,https://www.anthropic.com/claude-opus-4-8-system-card#page=223。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-8/ev-op48-card-officeqa-pro/

关联成绩与条件

Claude Opus 4.8 · OfficeQA 成绩与配置
指标与成绩配置与评测条件证据关系
Exact-match accuracy66.2%原文 66.2% · 单位 %
公布 未确认
OfficeQA 内部 agentic harness
设置
从文档提取文本并放入 sandbox,提供 code execution;exact-match grading。OfficeQA Pro 为推荐的 133-question subset。与直接解析原始 PDF 的公开 harness 不可混比。
未知项
未另记
工具
允许工具
推理预算
未记录
框架
未记录
协议
OfficeQA Pro, harder 133-question subset; exact-match grading.
条件
Internal agentic harness; documents extracted to text in sandbox with code execution. Not directly comparable to harnesses parsing raw PDFs.

直接支持该成绩

在排名中查看此成绩