Claude Sonnet 5.5 · Terminal-Bench · 4.0 · 成绩与配置

Claude Sonnet 5.5 的 Terminal-Bench · 4.0 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 2 条来源定位。

成绩与评测条件

Claude Sonnet 5.5 · Terminal-Bench 成绩与配置
指标与成绩配置与评测条件出处
Score70.6%原文 70.6% · 单位 %
公布 未确认
Terminal-Bench 4.0 max effort with safeguards
设置
Claude Code --bare mode, max thinking effort, cyber safeguards enabled.
未知项
Default sampling settings not stated.
工具
工具条件未记录
推理预算
max
框架
Claude Code --bare mode
协议
Terminal-Bench 4.0, 66 tasks, five trials per task (330 trials).
条件
Claude Code --bare, max thinking effort, safeguards enabled, no internet egress; required resources pre-cached. Safeguard fallback affected 1.5% of trials, and one attempt stopped instead of replying.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 Terminal-Bench 4.0

  • Score · % · 越高越好