Anthropic
Claude Opus 4 评测成绩
来自 4 个来源、9 项基准的 12 条成绩。
其他名称: claude-opus-4-20250514-thinking-16k · claude-opus-4-20250514 · claude-opus-4-20250514_16K · claude-opus-4-20250514_27K · claude-opus-4-20250514_unknown · Claude Opus 4 (Thinking) · Claude-Opus-4 (Thinking) · Claude-Opus-4 · claude-opus-4-20250514_nothink
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1426 | 119 | Overall, style control on; 35913 votes; 95% CI 1422–1431“claude-opus-4-20250514-thinking-16k” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1414 | 141 | Overall, style control on; 43055 votes; 95% CI 1410–1418“claude-opus-4-20250514” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1207 | 80 | Overall, style control on; 1290 votes; 95% CI 1191–1223“claude-opus-4-20250514-thinking-16k” | 官方榜单 | 2026年10月2日 |
| LMArena Vision | 1189 | 91 | Overall, style control on; 2177 votes; 95% CI 1176–1201“claude-opus-4-20250514” | 官方榜单 | 2026年10月2日 |
| LiveCodeBench | 51.1% | 14 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Claude-Opus-4 (Thinking)” | 官方榜单 | 2025年4月7日 |
| GPQA Diamond | 76.3% | 134 | Epoch AI run, accuracy | 独立评测 | 2025年5月22日 |
| SWE-bench Verified | 70.7% | 25 | Epoch AI run (Epoch scaffold) | 独立评测 | 2026年2月6日 |
| AIME (OTIS Mock AIME 2024–2025) | 64.4% | 141 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年5月28日 |
| MATH Level 5 | 85.0% | 29 | Epoch AI run, accuracy | 独立评测 | 2025年5月22日 |
| Humanity's Last Exam | 10.7% | 33 | Compiled by Epoch AI | 第三方汇编 via Epoch AI | 2025年5月22日 |
| τ²-bench | 59.6% | 16 | airline domain, pass^1; submitted by Anthropic; voriginal tau-bench | 厂商自报 | 2025年5月22日 |
| τ²-bench | 81.4% | 9 | retail domain, pass^1; submitted by Anthropic; voriginal tau-bench | 厂商自报 | 2025年5月22日 |
常见问题
Claude Opus 4 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LiveCodeBench leaderboard、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。