Claude Opus 5.5 · Terminal-Bench(4.0) · 主文证据(ev-op55-terminal)

Claude Opus 5.5 的 Terminal-Bench · 4.0 官方出处。见《Introducing Claude Opus 5.5》本地留存副本 lines 25-26, 43-44;official HTML benchmark table。证据 ev-op55-terminal。

原文与定位

Terminal-Bench 4.0 — Opus 5.5: 66.4%; Opus 5.5 is reported at xhigh effort.
官方材料
Introducing Claude Opus 5.5 · 定位到章节
定位
主文 · 本地留存副本 lines 25-26, 43-44;official HTML benchmark table
材料版本
官方发布页;本地保存 HTML/TXT:本地留存副本、本地留存副本;主表为 HTML;原文发布日期 2026-09-22,当前修订时间未知
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 5.5 · Terminal-Bench(4.0),披露记录。官方出处 Introducing Claude Opus 5.5(主文,官方发布页;本地保存 HTML/TXT:本地留存副本、本地留存副本;主表为 HTML;原文发布日期 2026-09-22,当前修订时间未知)本地留存副本 lines 25-26, 43-44;official HTML benchmark table,https://www.anthropic.com/news/claude-opus-5-5#performance-and-cost-effectiveness。Benchlog https://benchlog.lekshome.cc/evidence/claude-opus-5-5/ev-op55-terminal/

关联成绩与条件

Claude Opus 5.5 · Terminal-Bench 成绩与配置
指标与成绩配置与评测条件证据关系
Score66.36%原文 66.36% · 单位 %
公布 未确认
Terminal-Bench xhigh
设置
Terminal-Bench 4.0 使用 xhigh effort;官方说明这是 Opus 5.5 的最高分设置。
未知项
每题运行数未在该主表脚注具体给出。
工具
工具条件未记录
推理预算
xhigh
框架
未记录
协议
Terminal-Bench 4.0; xhigh effort。
条件
System Card 印值为 66.36%; safeguards enabled; flagged requests use the default server-side fallback policy (2.5% of requests, affecting 10% of trials); five trials per task, 330 total. Do not merge with other harnesses. Source-wide conditions: Use the printed precision 66.36%; retain safeguards, fallback and trial denominator.

关联材料,仅供追溯

在排名中查看此成绩