Claude Opus 4.8 · Toolathlon(June 2026 release used in selected source) 59.9% · 附件证据(ev-op48-card-toolathlon-pass1)

Claude Opus 4.8 的 Toolathlon · June 2026 release used in selected source 官方出处。Toolathlon 内部 harness · 59.9%。见《Claude Opus 4.8 System Card》§8.13.7, PDF p.226; Figure 8.13.7.A, PDF p.227。证据 ev-op48-card-toolathlon-pass1。

原文与定位

Claude Opus 4.8 · Toolathlon(June 2026 release used in selected source),Toolathlon 内部 harness配置,Pass@1 59.9%(具体成绩公布时间未确认)。见《Claude Opus 4.8 System Card》§8.13.7, PDF p.226; Figure 8.13.7.A, PDF p.227。 查看成绩条件

Claude Opus 4.8 achieved 59.9% Pass@1 ... across all 108 tasks.
官方材料
Claude Opus 4.8 System Card · PDF 第 226 页
定位
附件 · §8.13.7, PDF p.226; Figure 8.13.7.A, PDF p.227
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 · Toolathlon(June 2026 release used in selected source),Toolathlon 内部 harness配置,Pass@1 59.9%(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。)§8.13.7, PDF p.226; Figure 8.13.7.A, PDF p.227,https://www.anthropic.com/claude-opus-4-8-system-card#page=226。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-4-8/ev-op48-card-toolathlon-pass1/

关联成绩与条件

Claude Opus 4.8 · Toolathlon 成绩与配置
指标与成绩配置与评测条件证据关系
Pass@159.9%原文 59.9% · 单位 %
公布 未确认
Toolathlon 内部 harness
设置
Adaptive thinking/max effort;108 tasks,依论文协议 3 trials;内部 harness 固定金融 feed 与容器镜像,约四分之一按原样保留不可满足任务,因此不可与上游绝对值混比。
未知项
未另记
工具
工具条件未记录
推理预算
max
框架
未记录
协议
Toolathlon, 108 tasks; Pass@1 averaged over 3 trials.
条件
Internal harness; adaptive thinking/max effort; task definitions, prompts and checkers mirror upstream; data feeds/containers pinned; roughly a quarter unsatisfiable tasks left unchanged.

直接支持该成绩

在排名中查看此成绩