Claude Opus 5.5

编程74.28 项

• ProgramBenchVals AI旧型号作答 12%18.5%折算分 107.8+
• Terminal-Bench 4.0Vals AI旧型号作答 11%65.2%折算分 80.9+
• LiveBench CodingLiveBench89.3%折算分 75.2+
• Terminal-Bench 4.0Artificial Analysis部分由旧型号作答59.6%折算分 74.7+
• Vibe Code Bench 1–100Vals AI旧型号作答 16%30.4%折算分 73.7+
• Vibe Code Bench v1.1Vals AI旧型号作答 8%90.3%折算分 72.4+
• SciCodeArtificial Analysis部分由旧型号作答66.9%折算分 72.1+
• CyberBench Patch v1.1Vals AI旧型号作答 2%85.7%折算分 62.9+

科研76.39 项

• Terminal-Bench ScienceArtificial Analysis部分由旧型号作答59.0%折算分 84.6+
• Terminal-Bench ScienceVals AI旧型号作答 3%47.1%折算分 81.8+
• Mystery Game PuzzlesEpoch AI71.0%折算分 81.0+
• FrontierMath T1–3Epoch AI91.2%折算分 79.7+
• MysteryMechanismVals AI旧型号作答 不到 1%49.5%折算分 78.3+
• Chess PuzzlesEpoch AI67.0%折算分 77.9+
• Humanity's Last ExamArtificial Analysis部分由旧型号作答61.4%折算分 75.6+
• CritPtArtificial Analysis部分由旧型号作答31.7%折算分 72.7+
• LiveBench ReasoningLiveBench92.2%折算分 70.4+

专业办公71.410 项

• AA-BriefcaseArtificial Analysis部分由旧型号作答1,804.5折算分 80.6+
• APEX-AgentsMercor73.5%折算分 80.5+
• GDPval-AAArtificial Analysis部分由旧型号作答1,866.3折算分 76.0+
• τ³-BankingMercor55.0%折算分 75.7+
• AA-Analyst AgentArtificial Analysis部分由旧型号作答56.3%折算分 75.4+
• AutomationBench-AAArtificial Analysis部分由旧型号作答69.5%折算分 71.8+
• LiveBench Data AnalysisLiveBench80.3%折算分 68.6+
• Finance AgentVals AI旧型号作答 1%58.6%折算分 66.5+
• MedCodeVals AI49.8%折算分 61.5+
• Harvey 法律 Agent 基准Vals AI3.8%折算分 至多 55.6+

知识问答72.77 项

• MLCR-AAArtificial Analysis部分由旧型号作答66.7%折算分 96.8+
• AA-OmniscienceArtificial Analysis部分由旧型号作答46.4折算分 84.0+
• SimpleQA VerifiedEpoch AI72.2%折算分 84.0+
• LiveBench LanguageLiveBench86.3%折算分 73.0+
• PBullshitBench v2BullshitBench62.0%折算分 70.3+
• AA-LCRArtificial Analysis部分由旧型号作答84.7%折算分 64.1+
• LiveBench IFLiveBench65.7%折算分 55.6+

真人盲选72.71 项

• Arena TextLMArena1,508.2折算分 71.4+

测过，但按规则不计入

这些公开成绩没有计入，原因如下：例如评测方公布超过一半题目被转给了旧型号，或者无法确认测的是哪个版本。

• Code Migration：评测方公布这次运行有 82% 的题目被转给了同厂商的旧型号，超过一半，不代表这个型号。