Claude Sonnet 5.5 · Terminal-Bench(4.0) 70.6% · 主文证据(ev55-main-terminal)

Claude Sonnet 5.5 的 Terminal-Bench · 4.0 官方出处。Terminal-Bench 4.0 max effort with safeguards · 70.6%。见《Claude Sonnet 5.5》Performance summary table, Agentic coding / Terminal-Bench 4.0 row, Sonnet 5.5 column。证据 ev55-main-terminal。

原文与定位

Claude Sonnet 5.5 · Terminal-Bench(4.0),Terminal-Bench 4.0 max effort with safeguards配置,Score 70.6%(具体成绩公布时间未确认)。见《Claude Sonnet 5.5》Performance summary table, Agentic coding / Terminal-Bench 4.0 row, Sonnet 5.5 column。 查看成绩条件

Terminal-Bench 4.0: Claude Sonnet 5.5 70.6%.
官方材料
Claude Sonnet 5.5 · 定位到章节
定位
主文 · Performance summary table, Agentic coding / Terminal-Bench 4.0 row, Sonnet 5.5 column
材料版本
Current page collected 2026-11-10; page displays September 28, 2026 publication date
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 · Terminal-Bench(4.0),Terminal-Bench 4.0 max effort with safeguards配置,Score 70.6%(具体成绩公布时间未确认)。官方出处 Claude Sonnet 5.5(主文,Current page collected 2026-11-10; page displays September 28, 2026 publication date)Performance summary table, Agentic coding / Terminal-Bench 4.0 row, Sonnet 5.5 column,https://www.anthropic.com/claude-sonnet-5-5#performance。Benchlog https://benchlog.lekshome.cc/evidence/claude-sonnet-5-5/ev55-main-terminal/

关联成绩与条件

Claude Sonnet 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
Score70.6%原文 70.6% · 单位 %
公布 未确认
Terminal-Bench 4.0 max effort with safeguards
设置
Claude Code --bare mode, max thinking effort, cyber safeguards enabled.
未知项
Default sampling settings not stated.
工具
工具条件未记录
推理预算
max
框架
Claude Code --bare mode
协议
Terminal-Bench 4.0, 66 tasks, five trials per task (330 trials).
条件
Claude Code --bare, max thinking effort, safeguards enabled, no internet egress; required resources pre-cached. Safeguard fallback affected 1.5% of trials, and one attempt stopped instead of replying.

直接支持该成绩

在排名中查看此成绩