Opus 4.1 评测详情

Opus 4.1 当前已收录的代表性评测结果包括 MMLU-Pro（8 / 175，得分 88）、Terminal-Bench（5 / 35，得分 46.50）、IOI 2024 (Vals v1)（3 / 10，得分 18.70）。并附有 1 个数据来源链接供参考。

评测结果

Opus 4.1

评测结果

综合知识考试

共 3 项评测

评测名称 / 模式

得分

排名/总数

扩展

88

8 / 175

常规模式

7.92

210 / 235

开启思考

11.52

188 / 235

科学知识与推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

扩展

81

122 / 253

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

扩展工具

74.50

41 / 116

数学

共 7 项评测

评测名称 / 模式

得分

排名/总数

扩展

78

69 / 110

FrontierMath v2

32K

12.63

56 / 58

常规模式

5.90

35 / 60

扩展

7.20

33 / 60

FrontierMath - Tier 4

32K

4.20

40 / 80

FrontierMath - Tier 4

扩展

4.20

40 / 80

FrontierMath Tier 4 v2

32K

2.44

37 / 42

自主开发与终端任务

共 4 项评测

评测名称 / 模式

得分

排名/总数

扩展

46.50

5 / 35

扩展工具

43.30

9 / 35

Terminal Bench Hard

开启思考工具

34.30

81 / 244

Terminal Bench Hard

扩展工具

32

98 / 244

图像感知与视觉推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

unknown

77.10

27 / 74

开启思考

67.90

145 / 229

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

扩展

60

38 / 96

算法与竞赛编程

共 2 项评测

评测名称 / 模式

得分

排名/总数

IOI 2024 (Vals v1)

常规模式工具

18.70

3 / 10

IOI 2025 (Vals v1)

常规模式工具

6.40

4 / 9

指令与格式遵循

共 1 项评测

评测名称 / 模式

得分

排名/总数

扩展工具

55

25 / 31

跨能力综合测试

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

54.45

84 / 117

32K

61.81

62 / 117

临床工作与医疗决策

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

71.75

59 / 66

开启思考工具

73.90

55 / 66

常规模式工具

41.37

40 / 64

开启思考工具

47.23

26 / 64

客服与业务流程

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

31.38

54 / 64

开启思考工具

30.39

58 / 64

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

144.11

81 / 167

多轮记忆与持续上下文

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

7.94

20 / 23

与其他模型对比

数据来源

anthropic.comanthropic.com