Claude Fable 5.2 · WANDR · 500-task wide research benchmark · 成绩与配置

Claude Fable 5.2 的 WANDR · 500-task wide research benchmark 记录。本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录),附 1 条来源定位。

成绩与评测条件

Claude Fable 5.2 · WANDR 成绩与配置
指标与成绩配置与评测条件出处
Soft F171.4%原文 71.4% · 单位 %
公布 未确认
Low effort
设置
Claude Fable 5.2;adaptive thinking always on;Low effort。
未知项
未另记
工具
允许工具
推理预算
low
框架
未记录
协议
WANDR 500-task variant; low effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.
在排名中查看此成绩
Soft F173.6%原文 73.6% · 单位 %
公布 未确认
Medium effort
设置
Claude Fable 5.2;adaptive thinking always on;Medium effort。
未知项
主文未列该配置的采样设置与运行数。
工具
允许工具
推理预算
medium
框架
未记录
协议
WANDR 500-task variant; medium effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.
在排名中查看此成绩
Soft F179.3%原文 79.3% · 单位 %
公布 未确认
High effort
设置
Claude Fable 5.2;adaptive thinking always on;High effort。
未知项
主文未列该配置的采样设置与运行数。
工具
允许工具
推理预算
high
框架
未记录
协议
WANDR 500-task variant; high effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.
在排名中查看此成绩
Soft F180.6%原文 80.6% · 单位 %
公布 未确认
Xhigh effort
设置
Claude Fable 5.2;adaptive thinking always on;Xhigh effort。
未知项
主文未列该配置的采样设置与运行数。
工具
允许工具
推理预算
xhigh
框架
未记录
协议
WANDR 500-task variant; xhigh effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.
在排名中查看此成绩
Soft F182.1%原文 82.1% · 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
允许工具
推理预算
max
框架
未记录
协议
WANDR 500-task variant; max effort; web search/fetch; 980k-token budget; soft F1 averaged over tasks.
条件
Frozen search index; Claude Opus 4.6 grader. Tooling, prompts and grader differ from Perplexity’s version.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 Wide ANd Deep Research

  • Soft F1 · % · 越高越好