DataLearner 标志

Claude Opus 4 评测详情

Claude Opus 4 当前已收录的代表性评测结果包括 MATH-500（4 / 46，得分 98.20）、MMLU-Pro（28 / 175，得分 85）、Aider-Polyglot（13 / 59，得分 72）。

评测结果

Claude Opus 4

评测结果

思考模式
工具使用

综合知识考试

共 5 项评测
评测名称 / 模式
得分
排名/总数
MMLU-Pro
常规模式
85
28 / 175
HLE
常规模式
10.70
389 / 568
HLE
常规模式
6.20
463 / 568
HLE
开启思考
12.30
369 / 568
HLE
开启思考
10.72
388 / 568

抽象归纳与泛化

共 2 项评测
评测名称 / 模式
得分
排名/总数
ARC-AGI-1
常规模式
35.67
146 / 176
ARC-AGI-2
常规模式
8.61
115 / 164

科学知识与推理

共 2 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
常规模式
79.60
242 / 461
GPQA Diamond
开启思考
79.60
242 / 461

仓库修复与多文件工程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SWE-bench Verified
常规模式
72.50
53 / 116

数学

共 11 项评测
评测名称 / 模式
得分
排名/总数
MATH-500
常规模式
98.20
4 / 46
AIME 2024
常规模式
76
35 / 61
AIME2025
常规模式
75.50
107 / 215
AIME2025
开启思考
73.30
113 / 215
FrontierMath
常规模式
4.50
39 / 60
FrontierMath
开启思考
4.10
41 / 60
FrontierMath - Tier 4
常规模式
0
72 / 80
FrontierMath - Tier 4
32K
4.20
40 / 80
FrontierMath - Tier 4
开启思考
4.20
40 / 80
IMO-ProofBench
开启思考
2.90
16 / 16
IMO-ProofBench Advanced
开启思考
2.90
24 / 24

算法与竞赛编程

共 2 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
常规模式
56.60
144 / 251
LiveCodeBench
开启思考
63.60
122 / 251

写作与创意表达

共 1 项评测
评测名称 / 模式
得分
排名/总数
Creative Writing
常规模式
1576.80
41 / 106

图像感知与视觉推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
MMMU
unknown
76.50
28 / 74

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
开启思考
58.80
39 / 96

自主开发与终端任务

共 3 项评测
评测名称 / 模式
得分
排名/总数
Aider-Polyglot
常规模式
70.70
16 / 59
Aider-Polyglot
32K
72
13 / 59
Terminal Bench Hard
开启思考工具
31.10
105 / 244

客服与业务流程

共 2 项评测
评测名称 / 模式
得分
排名/总数
τ²-Bench - Telecom
开启思考工具
73.40
129 / 264
τ²-Bench
开启思考工具
72.50
24 / 44

指令与格式遵循

共 2 项评测
评测名称 / 模式
得分
排名/总数
IF Bench
常规模式
43.30
191 / 282
IF Bench
开启思考
53.70
142 / 282

跨能力聚合指数

共 1 项评测
评测名称 / 模式
得分
排名/总数
ECI
unknown
142.67
85 / 167
与其他模型对比
Claude Opus 4 评测结果与排名详情 | DataLearnerAI