Claude Opus · Vending-Bench · 2 · 历代记录

按发布时间查看 Claude Opus 的 4 次发布在 Vending-Bench · 2 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 Opus 4.5

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

Claude Opus 4.5 · Vending-Bench 成绩与配置
指标与成绩配置与评测条件出处
Final bank balance$4,967.06 USD原文 $4,967.06 · 单位 USD
公布 未确认
Vending-Bench 2, High effort
设置
High effort; 8,192 reasoning tokens per turn; benchmark-managed context, Claude context editing disabled.
未知项
Run count and sampling settings are not stated.
工具
工具条件未记录
推理预算
high · 思考预算 8,192 reasoning tokens per turn
框架
未记录
协议
Vending-Bench 2; one-year simulated vending machine business; $500 starting balance.
条件
High effort, 8,192 reasoning tokens per turn; the benchmark manages context and Claude context editing was disabled.
在排名中查看此成绩

Claude Opus 4.6

· 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 Opus 4.6 · Vending-Bench 成绩与配置
指标与成绩配置与评测条件出处
Final bank balance$8,017.59 USD原文 $8,017.59 · 单位 USD
公布 未确认
Vending-Bench 2 · High
设置
Effort High;Vending-Bench 自带 context management;未启用 Claude context editing。
未知项
未另记
工具
工具条件未记录
推理预算
high
框架
未记录
协议
Vending-Bench 2;模拟经营一年;起始余额 $500。
条件
Effort High;benchmark 自带 context management;Claude context editing 未启用。
在排名中查看此成绩

Claude Opus 4.7

· 本次发布有 2 条成绩记录,含 2 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 Opus 4.7 · Vending-Bench 成绩与配置
指标与成绩配置与评测条件出处
Final bank balance$10,937.00 USD原文 $10,937 · 单位 USD
公布 未确认
Vending-Bench 2,max effort
设置
One simulated business year; initial balance USD 500; final bank balance; Vending-Bench context manager used, Claude context editing disabled.
未知项
未另记
工具
工具条件未记录
推理预算
max
框架
未记录
协议
Vending-Bench 2; final bank balance; max effort.
条件
One simulated business year; USD 500 start; benchmark-managed context; Claude context editing disabled. Pure simulation, not Project Vend.
在排名中查看此成绩
Final bank balance$7,971.00 USD原文 $7,971 · 单位 USD
公布 未确认
Vending-Bench 2,high effort
设置
One simulated business year; initial balance USD 500; final bank balance; Vending-Bench context manager used, Claude context editing disabled.
未知项
未另记
工具
工具条件未记录
推理预算
high
框架
未记录
协议
Vending-Bench 2; final bank balance; high effort.
条件
One simulated business year; USD 500 start; benchmark-managed context; Claude context editing disabled. Pure simulation, not Project Vend.
在排名中查看此成绩

Claude Opus 4.8

· 本次发布有 2 条成绩记录,含 2 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 Opus 4.8 · Vending-Bench 成绩与配置
指标与成绩配置与评测条件出处
Final bank balance$2,992.34 USD原文 $2,992.34 · 单位 USD
公布 未确认
Vending-Bench 2 Max effort
设置
模拟一年、$500 起始余额;Max effort;使用 benchmark 自己的 context management,Claude context editing 未启用;trial 数未说明。
未知项
未另记
工具
工具条件未记录
推理预算
max
框架
未记录
协议
Vending-Bench 2 simulated one-year business; final bank balance.
条件
Max effort; $500 starting balance; benchmark context manager used, Claude context editing disabled; trial count not stated.
在排名中查看此成绩
Final bank balance$5,787.43 USD原文 $5,787.43 · 单位 USD
公布 未确认
Vending-Bench 2 High effort
设置
模拟一年、$500 起始余额;High effort;使用 benchmark 自己的 context management,Claude context editing 未启用;trial 数未说明。
未知项
未另记
工具
工具条件未记录
推理预算
high
框架
未记录
协议
Vending-Bench 2 simulated one-year business; final bank balance.
条件
High effort; $500 starting balance; benchmark context manager used, Claude context editing disabled; trial count not stated.
在排名中查看此成绩