Claude Opus 4.8 · Terminal-Bench(2.1) 74.6% · 附件证据(ev-op48-card-terminal)

Claude Opus 4.8 的 Terminal-Bench · 2.1 官方出处。Terminal-Bench 2.1 high effort · 74.6%。见《Claude Opus 4.8 System Card》§8.3, PDF p.196。证据 ev-op48-card-terminal。

原文与定位

Claude Opus 4.8 · Terminal-Bench(2.1),Terminal-Bench 2.1 high effort配置,Mean reward 74.6%(具体成绩公布时间未确认)。见《Claude Opus 4.8 System Card》§8.3, PDF p.196。 查看成绩条件

On Harbor’s leaderboard, using the Terminus-2 harness, Opus 4.8 achieved 74.6% mean reward ... 89 unique tasks ... 445 trials.
官方材料
Claude Opus 4.8 System Card · PDF 第 196 页
定位
附件 · §8.3, PDF p.196
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 · Terminal-Bench(2.1),Terminal-Bench 2.1 high effort配置,Mean reward 74.6%(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。)§8.3, PDF p.196,https://www.anthropic.com/claude-opus-4-8-system-card#page=196。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-8/ev-op48-card-terminal/

关联成绩与条件

Claude Opus 4.8 · Terminal-Bench 成绩与配置
指标与成绩配置与评测条件证据关系
Mean reward74.6%原文 74.6% · 单位 %
公布 未确认
Terminal-Bench 2.1 high effort
设置
High effort;Harbor 框架、Daytona cloud、官方集成与 Terminus-2 harness;89 个任务各 5 次,共 445 trials。
未知项
未另记
工具
工具条件未记录
推理预算
high
框架
Harbor leaderboard; Terminus-2
协议
Terminal-Bench 2.1 on the Harbor leaderboard; Daytona cloud, official integration and Terminus-2; 89 unique tasks, 5 attempts each (445 trials).
条件
High effort. The System Card labels the 74.6% metric mean reward; preserve the release-table evidence on the same result row.

直接支持该成绩

在排名中查看此成绩