Anthropic
Claude Opus 4.1 评测成绩
来自 3 个来源、8 项基准的 17 条成绩。
其他名称: claude-opus-4-1-20250805-thinking-16k · claude-opus-4-1-20250805 · claude-opus-4-1-20250805_27K · claude-opus-4-1-20250805_16K · claude-opus-4-1-20250805_unknown · Claude Opus 4.1 (unknown thinking) · claude-opus-4-1-20250805-thinking
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1450 | 79 | Overall, style control on; 49555 votes; 95% CI 1446–1453“claude-opus-4-1-20250805-thinking-16k” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1448 | 81 | Overall, style control on; 77252 votes; 95% CI 1445–1451“claude-opus-4-1-20250805” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1390 | 95 | Overall; 6926 votes; 95% CI 1379–1401“claude-opus-4-1-20250805” | 官方榜单 | 2026年10月8日 |
| GPQA Diamond | 76.8% | 129 | Epoch AI run, accuracy | 独立评测 | 2025年8月5日 |
| SWE-bench Verified | 73.3% | 20 | Epoch AI run (Epoch scaffold) | 独立评测 | 2026年2月11日 |
| AIME (OTIS Mock AIME 2024–2025) | 68.9% | 131 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年8月5日 |
| Humanity's Last Exam | 11.5% | 31 | Compiled by Epoch AI; effort: unknown thinking | 第三方汇编 via Epoch AI | 2025年8月5日 |
| τ²-bench | 56.0% | 19 | airline domain, pass^1; submitted by Anthropic; voriginal tau-bench | 厂商自报 | 2025年8月5日 |
| τ²-bench | 82.4% | 6 | retail domain, pass^1; submitted by Anthropic; voriginal tau-bench | 厂商自报 | 2025年8月5日 |
| Terminal-Bench 2.0 | 38.0% | 103 | Terminal-Bench 2.0; agent: Terminus 2 | 官方榜单 via Epoch AI | 2025年10月31日 |
| Terminal-Bench 2.0 | 38.0% | 104 | Terminal-Bench 2.0; agent: Terminus 2; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月5日 |
| Terminal-Bench 2.0 | 36.9% | 105 | Terminal-Bench 2.0; agent: OpenHands | 官方榜单 via Epoch AI | 2025年11月2日 |
| Terminal-Bench 2.0 | 36.9% | 107 | Terminal-Bench 2.0; agent: OpenHands; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月5日 |
| Terminal-Bench 2.0 | 35.1% | 115 | Terminal-Bench 2.0; agent: Mini-SWE-Agent | 官方榜单 via Epoch AI | 2025年11月3日 |
| Terminal-Bench 2.0 | 35.1% | 116 | Terminal-Bench 2.0; agent: Mini-SWE-Agent; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月5日 |
| Terminal-Bench 2.0 | 34.8% | 117 | Terminal-Bench 2.0; agent: Claude Code; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年8月5日 |
| Terminal-Bench 2.0 | 34.8% | 119 | Terminal-Bench 2.0; agent: Claude Code | 官方榜单 via Epoch AI | 2025年11月4日 |
常见问题
Claude Opus 4.1 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset和τ²-bench leaderboard submissions。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。