Punteggio Radar: quattro test, peso uguale. Una sintesi sperimentale di queste prove, non una misura universale di intelligenza.
Claude Opus 4.5 (latest)
Punteggio Radar
/ 100
3/4 test principali · prove insufficienti
5 risultati di benchmark per questa configurazione
Ragionamento scientifico
GPQA Diamond · 25%
Domande scientifiche di esperti; correzione rigorosa a scelta multipla. Il caso vale il 25%.
050100%
Claude Opus 4.5 (latest)86,0*%Intervallo 95% appross.: 82,0–90,1% · Risultato datato
Soluzione di problemi nuovi
Mystery Game Puzzles · 25%
Scelta della mossa migliore in una variante di gioco non divulgata. Una prova circoscritta di ragionamento, non di intelligenza generale.
050100%
Claude Opus 4.5 (latest)Non disponibile
Matematica avanzata
FrontierMath Tiers 1-3 · 25%
Problemi matematici privati v2 con strumenti Python. Esclusi versioni precedenti e Tier 4.
050100%
Claude Opus 4.5 (latest)34,4*%Intervallo 95% appross.: 28,9–39,9%
Risposte fattuali
SimpleQA Verified · 25%
Risposte fattuali corrette con invito a tentare, valutate da un modello. Non misura allucinazioni o astensione.
050100%
Claude Opus 4.5 (latest)45,7*%Intervallo 95% appross.: 42,6–48,8%
Matematica da competizione
OTIS Mock AIME 2024-2025 · Risultato separato
Problemi da competizione: risposte estratte da un modello e confrontate con la soluzione esatta. Escluse le procedure di valutazione precedenti.
050100%
Claude Opus 4.5 (latest)86,1*%Intervallo 95% appross.: 77,8–94,5% · Risultato datato
Matematica di ricerca
FrontierMath Tier 4 v2 · Risultato separato
I problemi privati più difficili di FrontierMath, versione corretta v2, con strumenti Python. Separati dai Tiers 1-3 del punteggio principale.
050100%
Claude Opus 4.5 (latest)4,9*%Intervallo 95% appross.: 0,0–11,6%
Ragionamento visivo e spaziale
Furniture Assembly · Risultato separato
Rilevamento di errori di montaggio da foto e manuali, con zoom e Python. Valutazione assistita da un modello; non misura tutta la comprensione visiva.
050100%
Claude Opus 4.5 (latest)Non disponibile
Le barre mostrano i risultati delle prove. I segmenti indicano intervalli approssimativi al 95% quando è disponibile l’errore standard. Budget di ragionamento diversi non implicano costi uguali. I risultati mancanti non valgono zero.
Esecuzione locale
Inferenza · stima della memoria
Claude Opus 4.5 (latest)
Pesi chiusi. Non sono pubblicati un impiego locale supportato o requisiti GPU.
Costo API
USD / mese
Stima per token di testo standard. Esclude imposte, cache, sconti batch e costi aggiuntivi per ragionamento e modalità multimediali. Limiti e disponibilità possono variare per provider.