Claude Sonnet 4.6 · Terminal-Bench(2.0;代理框架按协议区分) 59.1% · 附件证据(ev46-card-terminal)

Claude Sonnet 4.6 的 Terminal-Bench · 2.0;代理框架按协议区分 官方出处。No thinking, max effort · 59.1%。见《Claude Sonnet 4.6 System Card》§2.1 Table 2.1.A, PDF p.15, Terminal-Bench 2.0 row。证据 ev46-card-terminal。

原文与定位

Claude Sonnet 4.6 · Terminal-Bench(2.0;代理框架按协议区分),No thinking, max effort配置,Pass rate 59.1%(具体成绩公布时间未确认)。见《Claude Sonnet 4.6 System Card》§2.1 Table 2.1.A, PDF p.15, Terminal-Bench 2.0 row。 查看成绩条件

Terminal-Bench 2.0 | Claude Sonnet 4.6: 59.1% (default thinking).
官方材料
Claude Sonnet 4.6 System Card · PDF 第 15 页
定位
附件 · §2.1 Table 2.1.A, PDF p.15, Terminal-Bench 2.0 row
材料版本
PDF with changelog dated 2026-03-06; 135 pages; collected 2026-11-10
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 Sonnet 4.6 · Terminal-Bench(2.0;代理框架按协议区分),No thinking, max effort配置,Pass rate 59.1%(具体成绩公布时间未确认)。官方出处 Claude Sonnet 4.6 System Card(附件,PDF with changelog dated 2026-03-06; 135 pages; collected 2026-11-10)§2.1 Table 2.1.A, PDF p.15, Terminal-Bench 2.0 row,https://www.anthropic.com/claude-sonnet-4-6-system-card#page=15。Benchlog https://benchlog.lekshome.cc/evidence/claude-sonnet-4-6/ev46-card-terminal/

关联成绩与条件

Claude Sonnet 4.6 · Terminal-Bench 成绩与配置
指标与成绩配置与评测条件证据关系
Pass rate59.1%原文 59.1% · 单位 %
公布 未确认
No thinking, max effort
设置
Thinking disabled; max effort.
未知项
Sampling settings are not specified in every evaluation.
工具
工具条件未记录
推理预算
max
框架
Harbor scaffold; Terminus-2 harness; default parser
协议
Harbor scaffold, Terminus-2 harness, default parser; all 89 tasks run five times.
条件
No thinking budget and no explicit effort level (described as max effort). Tasks isolated in Kubernetes pods; resource allocation 1x guaranteed, 3x ceiling; 1x timeouts. Main article also says thinking turned off.

直接支持该成绩

在排名中查看此成绩