Claude Opus 4.6 · BrowseComp · 1,266 题;单代理与多代理按协议区分 · 成绩与配置

Claude Opus 4.6 的 BrowseComp · 1,266 题;单代理与多代理按协议区分 记录。本次发布有 4 条成绩记录,含 4 条精确值(可含历史记录),附 3 条来源定位。

成绩与评测条件

Claude Opus 4.6 · BrowseComp 成绩与配置
指标与成绩配置与评测条件出处
Accuracy83.73%原文 83.73% · 单位 %
公布 未确认
BrowseComp · 10M total-token limit
设置
Single agent;web search/fetch;programmatic tool calling;context compaction at 50K;10M total-token limit;Max reasoning effort;thinking disabled。
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
BrowseComp;1,266 questions;single-agent;web search/fetch、programmatic tool calling、context compaction。
条件
March 6 card correction; highest single-agent config, no thinking, max reasoning effort, compaction every 50K, 10M total-token cap. Main release table’s 84.0% is the rounded value; do not merge the separately evaluated 86.57% multi-agent result.
在排名中查看此成绩
Accuracy75.83%原文 75.83% · 单位 %
公布 未确认
BrowseComp · 1M total-token limit
设置
Single agent;web search/fetch;programmatic tool calling;context compaction at 50K;1M total-token limit;Max reasoning effort;thinking disabled。
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
BrowseComp;single-agent;1M total-token cap;no thinking。
条件
web search/fetch、PTC、50K context compaction、max reasoning effort;图 2.21.1.1.A。与 multi-agent result 分列。
在排名中查看此成绩
Accuracy79.9%原文 79.90% · 单位 %
公布 未确认
BrowseComp · 3M total-token limit
设置
Single agent;web search/fetch;programmatic tool calling;context compaction at 50K;3M total-token limit;Max reasoning effort;thinking disabled。
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
BrowseComp;single-agent;3M total-token cap;no thinking。
条件
web search/fetch、PTC、50K context compaction、max reasoning effort;图 2.21.1.1.A。与 multi-agent result 分列。
在排名中查看此成绩
Accuracy86.57%原文 86.57% · 单位 %
公布 未确认
BrowseComp · multi-agent
设置
Orchestrator delegates to subagents; each subagent has 200K context; web search/fetch and programmatic tool calling; orchestrator compaction at 50K up to 1M total tokens; Max effort; thinking disabled。
未知项
与单代理基线不同,不作普通 effort 映射。
工具
允许工具
推理预算
max
框架
未记录
协议
BrowseComp;multi-agent;orchestrator/subagents。
条件
March 6 correction; 200K subagent context; web search/fetch, PTC; max effort, no thinking; 86.57 is not combined with single-agent results.。

出处与披露

测试版本与指标

别名 BrowseComp、Multi-agent BrowseComp

  • Accuracy · % · 越高越好