Claude Opus 4.5 · LAB-Bench FigQA · FutureHouse FigQA; prompting and tools are recorded per result · 成绩与配置

Claude Opus 4.5 的 LAB-Bench FigQA · FutureHouse FigQA; prompting and tools are recorded per result 记录。本次发布有 2 条成绩记录,含 2 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 Opus 4.5 · LAB-Bench FigQA 成绩与配置
指标与成绩配置与评测条件出处
Score54.9%原文 54.9% · 单位 %
公布 未确认
LAB-Bench FigQA, no tools
设置
Extended thinking off; no tools; zero-shot prompting.
未知项
Trial count is not stated.
工具
禁止工具
推理预算
未记录
框架
未记录
协议
LAB-Bench FigQA; zero-shot prompting; 95% confidence interval shown in the figure.
条件
No tools; extended thinking off.
在排名中查看此成绩
Score69.2%原文 69.2% · 单位 %
公布 未确认
LAB-Bench FigQA, image cropping tool
设置
Simple image cropping tool; 32,768 reasoning-token budget; zero-shot prompting.
未知项
Trial count is not stated.
工具
允许工具
推理预算
思考预算 32,768
框架
未记录
协议
LAB-Bench FigQA; zero-shot prompting; 95% confidence interval shown in the figure.
条件
Simple image cropping tool; 32,768 reasoning-token budget.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 LAB-Bench FigQA、FigQA

  • Score · % · 越高越好