Claude Fable · Terminal-Bench · 4.0 · 历代记录

按发布时间查看 Claude Fable 的 2 次发布在 Terminal-Bench · 4.0 的成绩、配置与披露。

仅为直接前代间的唯一、有效精确值计算差值,要求单位、指标与明确记录的配置和条件一致。

Claude Fable 5.1

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

Claude Fable 5.1 · Terminal-Bench 成绩与配置
指标与成绩配置与评测条件出处
Score55.8%原文 55.8% · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.1;CursorBench 主文引述明确为 max effort;后续 System Card 对 OSWorld/BenchCAD/OfficeQA 对照结果亦标 max effort。
未知项
不同 benchmark 的具体执行细节分别见来源章节;部分测试的采样参数或运行数未单独公布。
工具
工具条件未记录
推理预算
maximum
框架
未记录
协议
Terminal-Bench 4.0; 66 tasks; Claude Code bare mode; maximum thinking effort; 15 trials per task (990 trials).
条件
Official Fable 5.1 comparison table.
在排名中查看此成绩

Claude Fable 5.2

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

与直接前代的记录缺少满足差值计算的同条件依据。

Claude Fable 5.2 · Terminal-Bench 成绩与配置
指标与成绩配置与评测条件出处
Score67.6%原文 67.6% · 单位 %
公布 未确认
Adaptive Max
设置
Claude Fable 5.2;adaptive thinking always on;Max effort;默认 temperature/top_p;Card 通用表说明通常五次运行平均,个别测试另行注明。
未知项
System Card pp.1-264 文字已完整核读;各benchmark章节未明确披露的运行参数仍未知。
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; Claude Code --bare; max thinking effort; 66 tasks, ten trials per task (660 trials); no internet.
条件
Safeguards enabled; default server-side fallbacks answered 2.5% of requests, affecting 10% of trials; two attempts stopped instead of replying.
在排名中查看此成绩