Claude Haiku 5.5
Anthropic · 2026-10-07 发布 · 10/08 08:05 更新
AIHOT 评分 · 综合57.6分综合第 33 名评分不是正确率 · 证据覆盖 50%
可比较分类4/ 4 项分类
已有成绩15项评测
上下文窗口100万Token
API 输入 / 输出 · 每百万 Token待核验尚未核到厂商官网价格
各有所长,看得更清楚。
每个领域单独评分,与综合评分在同一条刻度上。具体能力请看下面每项成绩。
编程AIHOT 评分58.7分第 28 名3 项评测 · 覆盖 43%科研AIHOT 评分61.0分第 21 名4 项评测 · 覆盖 57%专业办公AIHOT 评分56.3分第 40 名前 30 名之外4 项评测 · 覆盖 38%知识问答AIHOT 评分52.2分第 42 名前 30 名之外3 项评测 · 覆盖 80%
覆盖比例是这个领域里已有成绩的评测类别占比,不代表能力高低;没测的不补分,也不扣分。
每一项成绩,都有来处。
按领域列出每项公开成绩,以及它在同一条刻度上的读数。展开可查看运行配置与采用方式。
编程58.73 项
科研61.04 项
专业办公56.34 项
知识问答52.24 项
尚无成绩的评测
这些评测尚无可采用的公开成绩,缺测不补分。
Terminal-Bench 4.0 · ValsCode MigrationProgramBenchVibe Code Bench v1.1Vibe Code Bench 1–100CyberBench Patch v1.1FrontierMath v2 · Tiers 1–3Chess PuzzlesMystery Game PuzzlesMysteryMechanismTerminal-Bench Science · ValsVals Finance AgentAPEX-Agents 1.1Harvey Legal Agent Benchmarkτ³-Banking · MercorMedCodeAA-Analyst AgentSimpleQA VerifiedMLCR-AABullshitBench · 错误前提Arena Text
怎么看这些读数
每项成绩按这项评测的难度换算到同一条刻度上:难的评测考得一般也能读出高分,刷满的评测读不出更多。领域分是这些读数的平均,再向模型的整体水平收一点;同类评测只算一票。相差不到 1 分的两个模型,先后接近抛硬币。
还没有成绩的领域:真人盲选,暂按整体水平计算。
了解计算方法 →