Claude Opus 5.5 评测详情

Claude Opus 5.5 当前已收录的代表性评测结果包括 HLE（1 / 235，得分 67.70）、ARC-AGI-1（1 / 193，得分 98.50）、SciCode（1 / 134，得分 66.90）。

评测结果

Claude Opus 5.5

评测结果

抽象归纳与泛化

共 10 项评测

评测名称 / 模式

得分

排名/总数

思考水平·低

88.50

75 / 193

思考水平·中

97.50

11 / 193

思考水平·高

98.50

1 / 193

思考水平·Max

97.50

11 / 193

思考水平·极高

97.50

11 / 193

思考水平·低

70.14

55 / 181

思考水平·中

87.50

23 / 181

思考水平·高

93.33

3 / 181

思考水平·Max

91.67

9 / 181

思考水平·极高

92.50

5 / 181

综合知识考试

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

67.70

1 / 235

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

2050.10

7 / 110

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

88.40

1 / 96

自主开发与终端任务

共 5 项评测

评测名称 / 模式

得分

排名/总数

Terminal-Bench 2.1

思考水平·高工具

87.64

8 / 57

Terminal-Bench 4.0

思考水平·Max工具

59.60

3 / 98

Terminal-Bench 4.0

思考水平·极高工具

66.40

2 / 98

CursorBench 4.0

思考水平·中工具

52.50

3 / 4

CursorBench 4.0

思考水平·Max工具

57.80

1 / 4

跨能力聚合指数

共 4 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

69.69

2 / 42

Vals Index v2.1

思考水平·Max工具

66.97

3 / 36

AA Intelligence Index v4.3

思考水平·Max工具

57.62

1 / 29

思考水平·Max工具

37.13

1 / 1

桌面工作流

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

81.80

1 / 14

程序生成与编辑

共 4 项评测

评测名称 / 模式

得分

排名/总数

Vibe Code Bench v1.1

思考水平·Max工具

90.29

3 / 61

FrontierCode 1.1 Main

思考水平·中工具

54.60

1 / 11

FrontierCode 1.1 Main

思考水平·Max工具

54.40

2 / 11

思考水平·Max工具

18.50

11 / 15

办公与文档流程

共 1 项评测

评测名称 / 模式

得分

排名/总数

AutomationBench

思考水平·Max工具

40

15 / 25

科学知识与推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

MysteryMechanism

思考水平·Max工具

49.55

2 / 13

思考水平·Max

31.71

2 / 204

科学计算与科研编程

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max

66.90

1 / 134

Terminal-Bench-Science 0.1

思考水平·Max工具

63.30

2 / 18

金融

共 3 项评测

评测名称 / 模式

得分

排名/总数

EMB (Excel Modeling)

思考水平·Max工具

75.94

2 / 42

Tax Agent Bench

思考水平·Max工具

70.50

6 / 20

Finance Agent v2

思考水平·Max工具

58.59

9 / 43

法律

共 2 项评测

评测名称 / 模式

得分

排名/总数

Legal Research Bench

思考水平·Max工具

50.48

4 / 42

Harvey's Legal Agent Benchmark

思考水平·Max工具

3.75

25 / 43

文档与图表理解

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

89

1 / 11

思考水平·Max

26.20

14 / 122

生物与基因

共 1 项评测

评测名称 / 模式

得分

排名/总数

BioMysteryBench

思考水平·Max工具

79.26

1 / 4

维护、优化与工程管理

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

66.65

2 / 43

思考水平·Max工具

33.59

1 / 1

机器学习工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·极高工具

0.31

2 / 13

算法与竞赛编程

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

95.06

2 / 26

数学

共 1 项评测

评测名称 / 模式

得分

排名/总数

ProofBench v1.1 (Lean 4)

思考水平·Max工具

100

1 / 28

客服与业务流程

共 2 项评测

评测名称 / 模式

得分

排名/总数

Public Benefits Bench v1.1

思考水平·Max工具

70.64

3 / 26

思考水平·Max工具

45.83

29 / 64

临床工作与医疗决策

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考水平·Max工具

91.43

1 / 66

思考水平·Max工具

49.80

11 / 64

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

思考水平·Max工具

71.43

2 / 23

与其他模型对比