Anthropic
Claude Opus 4.5 评测成绩
来自 5 个来源、10 项基准的 32 条成绩。
其他名称: claude-opus-4-5-20251101-high-32k · claude-opus-4-5-20251101 · claude-opus-4-5-20251101_16K · Claude Opus 4.5 (16k thinking) · claude-opus-4-5-20251101_32K · Claude Opus 4.5 (32k thinking) · Claude Opus 4.5 (no thinking) · claude-opus-4-5-20251101_unknown · Claude Opus 4.5 (unknown thinking) · claude-opus-4-5-20251101-thinking
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1474 | 41 | Overall, style control on; 37527 votes; 95% CI 1470–1478“claude-opus-4-5-20251101-high-32k” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1470 | 47 | Overall, style control on; 72952 votes; 95% CI 1467–1473“claude-opus-4-5-20251101” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1494 | 58 | Overall; 11034 votes; 95% CI 1486–1502“claude-opus-4-5-20251101-high-32k” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1469 | 65 | Overall; 13426 votes; 95% CI 1462–1476“claude-opus-4-5-20251101” | 官方榜单 | 2026年10月8日 |
| GPQA Diamond | 86.0% | 76 | Epoch AI run, accuracy; effort: 32k thinking | 独立评测 | 2025年11月24日 |
| GPQA Diamond | 85.5% | 81 | Epoch AI run, accuracy; effort: 16k thinking | 独立评测 | 2025年11月25日 |
| GPQA Diamond | 80.7% | 113 | Epoch AI run, accuracy; effort: no thinking | 独立评测 | 2025年11月24日 |
| SWE-bench Verified | 76.7% | 9 | Epoch AI run (Epoch scaffold); effort: no thinking | 独立评测 | 2026年2月5日 |
| SWE-bench Verified | 79.2% | 1 | agent: Sonar Foundation Agent“claude-opus-4-5” | 官方榜单 | 2025年12月5日 |
| SWE-bench Verified | 79.2% | 1 | agent: live-SWE-agent“claude-opus-4-5-20251101” | 官方榜单 | 2025年12月15日 |
| SWE-bench Verified | 74.4% | 12 | agent: mini-SWE-agent“claude-opus-4-5-20251101” | 官方榜单 | 2025年11月24日 |
| AIME (OTIS Mock AIME 2024–2025) | 86.1% | 91 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: 32k thinking | 独立评测 | 2025年11月24日 |
| AIME (OTIS Mock AIME 2024–2025) | 81.7% | 107 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: 16k thinking | 独立评测 | 2025年11月24日 |
| AIME (OTIS Mock AIME 2024–2025) | 48.1% | 170 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: no thinking | 独立评测 | 2025年11月24日 |
| Humanity's Last Exam | 25.2% | 17 | Compiled by Epoch AI; effort: unknown thinking | 第三方汇编 via Epoch AI | 2025年11月24日 |
| OSWorld (Verified) | 66.3% | 1 | OSWorld; agent: Claude Opus 4.5; effort: no thinking | 厂商自报 via Epoch AI | 2025年11月25日 |
| τ²-bench | 84.0% | 1 | airline domain, pass^1; effort: high; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年5月5日 |
| τ²-bench | 24.7% | 20 | banking_knowledge domain, pass^1; effort: high; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年5月5日 |
| τ²-bench | 79.6% | 12 | retail domain, pass^1; effort: high; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年5月5日 |
| τ²-bench | 92.3% | 8 | telecom domain, pass^1; effort: high; submitted by Sierra; v1.0.1 | 官方榜单 | 2026年5月5日 |
| Terminal-Bench 2.0 | 63.1% | 37 | Terminal-Bench 2.0; agent: Droid; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年11月24日 |
| Terminal-Bench 2.0 | 63.1% | 38 | Terminal-Bench 2.0; agent: Droid; effort: no thinking | 官方榜单 via Epoch AI | 2025年12月11日 |
| Terminal-Bench 2.0 | 59.1% | 49 | Terminal-Bench 2.0; agent: Letta Code; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年11月24日 |
| Terminal-Bench 2.0 | 59.1% | 49 | Terminal-Bench 2.0; agent: Letta Code; effort: 128k thinking | 官方榜单 via Epoch AI | 2025年12月17日 |
| Terminal-Bench 2.0 | 58.4% | 51 | Terminal-Bench 2.0; agent: Mux; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年11月24日 |
| Terminal-Bench 2.0 | 57.8% | 54 | Terminal-Bench 2.0; agent: Terminus 2; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年11月24日 |
| Terminal-Bench 2.0 | 54.3% | 60 | Terminal-Bench 2.0; agent: Goose; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年11月24日 |
| Terminal-Bench 2.0 | 52.1% | 65 | Terminal-Bench 2.0; agent: Claude Code; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年11月24日 |
| Terminal-Bench 2.0 | 51.9% | 66 | Terminal-Bench 2.0; agent: OpenHands; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年11月24日 |
| Terminal-Bench 2.0 | 51.7% | 67 | Terminal-Bench 2.0; agent: OpenCode; effort: unknown thinking | 官方榜单 via Epoch AI | 2025年11月24日 |
| BFCL v4 (function calling) | 77.5% | 1 | Overall accuracy; native function calling (FC)“Claude-Opus-4-5-20251101 (FC)” | 官方榜单 | 2026年10月17日 |
| BFCL v4 (function calling) | 33.5% | 57 | Overall accuracy; prompt-based“Claude-Opus-4-5-20251101 (Prompt)” | 官方榜单 | 2026年10月17日 |
常见问题
Claude Opus 4.5 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、Berkeley Function Calling Leaderboard (BFCL)、LMArena leaderboard dataset、SWE-bench leaderboards (swebench.com)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。