Claude Opus 4.6 · CharXiv Reasoning · Validation split · 成绩与配置

Claude Opus 4.6 的 CharXiv Reasoning · Validation split 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 4.6 · CharXiv Reasoning 成绩与配置
指标与成绩配置与评测条件出处
Accuracy68.5%原文 68.5% · 单位 %
公布 未确认
Max · 无工具
设置
Adaptive thinking、Max effort、无工具;sampling 使用默认 temperature 与 top_p。
未知项
未另记
工具
禁止工具
推理预算
max
框架
未记录
协议
CharXiv Reasoning;1,000 validation questions;without tools。
条件
Adaptive thinking、max effort、5-run average。
在排名中查看此成绩
Accuracy77.4%原文 77.4% · 单位 %
公布 未确认
Max · 图像裁切工具
设置
Adaptive thinking、Max effort;允许简单 image-cropping tool;每项评测条件见成绩记录。
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
CharXiv Reasoning;1,000 validation questions;simple image-cropping tool。
条件
Adaptive thinking、max effort、5-run average。
在排名中查看此成绩

出处与披露

测试版本与指标

别名 CharXiv Reasoning

  • Accuracy · % · 越高越好