Claude Sonnet 5.5 · FrontierCode(v1.1 Main set) · 附件证据(ev55-frontier-main)

Claude Sonnet 5.5 的 FrontierCode · v1.1 Main set 官方出处。见《Claude Sonnet 5.5 System Card》§8.4, PDF p.111。证据 ev55-frontier-main。

原文与定位

Claude Sonnet 5.5 · FrontierCode(v1.1 Main set),Max effort配置,Overall score 46.2%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5 System Card》§8.4, PDF p.111。 查看成绩条件

Claude Sonnet 5.5 · FrontierCode(v1.1 Main set),Xhigh effort配置,Overall score 52.1%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5 System Card》§8.4, PDF p.111。 查看成绩条件

At xhigh effort, Claude Sonnet 5.5 scores 52.1% on Main and 64.4% on Extended. At max effort, Sonnet 5.5 scores 46.2% on Main and 59.1% on Extended.
官方材料
Claude Sonnet 5.5 System Card · PDF 第 111 页
定位
附件 · §8.4, PDF p.111
材料版本
PDF cover dated 2026-09-28; 148 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 5.5 · FrontierCode(v1.1 Main set),Max effort配置,Overall score 46.2%(具体成绩公布时间未确认);Claude Sonnet 5.5 · FrontierCode(v1.1 Main set),Xhigh effort配置,Overall score 52.1%(具体成绩公布时间未确认)。官方出处 Claude Sonnet 5.5 System Card(附件,PDF cover dated 2026-09-28; 148 pages; collected 2026-11-10)§8.4, PDF p.111,https://www.anthropic.com/claude-sonnet-5-5-system-card#page=111。Benchlog https://benchlog.lekshome.cc/evidence/claude-sonnet-5-5/ev55-frontier-main/

关联成绩与条件

Claude Sonnet 5.5 · FrontierCode 成绩与配置
指标与成绩配置与评测条件证据关系
Overall score46.2%原文 46.2% at Max · 单位 %
公布 未确认
Max effort
设置
Max reasoning effort.
未知项
Adaptive thinking status is benchmark-specific.
工具
工具条件未记录
推理预算
max
框架
未记录
协议
FrontierCode v1.1 Main, 150 software-engineering tasks.
条件
Max effort. Composite score of blocking functional criteria and weighted code-quality rubric; out-of-scope changes can be penalized.

直接支持该成绩

在排名中查看此成绩
Overall score52.1%原文 52.1% at Xhigh · 单位 %
公布 未确认
Xhigh effort
设置
Xhigh reasoning effort.
未知项
Sampling settings not stated unless recorded per result.
工具
工具条件未记录
推理预算
xhigh
框架
未记录
协议
FrontierCode v1.1 Main, 150 software-engineering tasks.
条件
Xhigh effort; composite score of functional criteria and weighted code-quality rubric. The figure y-axis starts at 27%, which visually magnifies differences.

直接支持该成绩

在排名中查看此成绩