Claude Opus 4.6
Anthropic · 2026-02-05 发布 · 10/16 14:06 更新
AIHOT 评分 · 综合59.1分暂不排名:编程评测还不到 3 类评分不是正确率 · 评测覆盖 46%
可比较分类0/ 4 项分类
已有成绩14项评测
上下文窗口100万Token
各有所长,看得更清楚。
每个领域单独评分,和综合评分用同一种分数,可以直接比。具体能力请看下面每项成绩。
编程AIHOT 评分—分这个领域测得还不够0 项评测 · 覆盖 0%科研AIHOT 评分59.1分暂不排名4 项评测 · 覆盖 43%专业办公AIHOT 评分58.3分暂不排名3 项评测 · 覆盖 38%知识问答AIHOT 评分61.2分暂不排名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,以及它折算成的统一分数。展开可查看运行配置与采用方式。
编程58.12 项
科研59.14 项
专业办公58.33 项
知识问答61.24 项
真人盲选63.51 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 · AATerminal-Bench 4.0 · ValsSciCode · AACode MigrationProgramBenchVibe Code Bench 1–100CyberBench Patch v1.1HLE · AACritPt · AAMysteryMechanismTerminal-Bench Science · ValsTerminal-Bench Science · AAGDPval-AAAA-BriefcaseAutomationBench · AAVals Finance AgentHarvey Legal Agent Benchmarkτ³-Banking · MercorAA-Analyst AgentAA-OmniscienceAA-LCRMLCR-AA
怎么看这些折算分
每项成绩按这项评测的难度折算成同一种分数:难的评测考得一般也能折算出高分,快被刷满的评测再高也折算不出更多。领域分是这些折算分的平均,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。
了解计算方法 →