Claude Opus 4.8 · DRACO · 100-task Perplexity deep-research benchmark · 成绩与配置

Claude Opus 4.8 的 DRACO · 100-task Perplexity deep-research benchmark 记录。本次发布有 1 条成绩记录,含 1 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 4.8 · DRACO 成绩与配置
指标与成绩配置与评测条件出处
Normalized score80.4%原文 80.4% · 单位 %
公布 未确认
DRACO single-agent
设置
100 curated tasks;web search、web fetch、programmatic tool calling、code execution;adaptive max effort;1M token limit,200K 触发 context compaction;模型回答单次执行,Opus 4.6 judge 对每个回答评分 5 次取平均。
未知项
未另记
工具
允许工具
推理预算
max
框架
未记录
协议
DRACO, 100 curated tasks; single model response per task; five Opus 4.6 judging runs per response, averaged.
条件
Adaptive thinking/max effort; web search/fetch, programmatic tool calling and code execution; 1M token limit, context compaction triggered at 200K. Judge change from original benchmark limits direct comparison to paper headline values.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 Deep Research Accuracy, Completeness, and Objectivity

  • Normalized score · % · 越高越好