Anthropic Claude Opus 4.8

Exécution Claude Opus 4.8 avec LUCA sur 150 questions avec 3 générations par question.

Raisonnement : medium · Juge : GPT‑5.5

En un coup d’œil

Anthropic Claude Opus 4.8 obtient un score moyen de 61.7/100.

Il produit une erreur technique grave sur 111 question(s) sur 450.

403 question(s) sur 450 ont obtenu au moins un peu de points, 47 sont des échecs complets (score nul).

Ses meilleures performances sont sur le thème conformité (95.7/100), ses plus faibles sur social/paye (48.3/100).

Indicateurs clés

Score moyen

61.7/100

Moyenne sur 150 question(s). Chaque question est notée de 0 à 10, ramenée ici sur 100.

Réponses non nulles

89.6%

134 question(s) sur 150 ont obtenu au moins un peu de points.

Erreurs majeures

24.7%

37 question(s) sur 150 contiennent une erreur technique grave.

Questions

150

Nombre de questions posées au modèle.

Temps moyen par réponse

63.9 s

Le modèle met ~63.9 s en moyenne pour produire une réponse.

Longueur moyenne de réponse

573 mots

~573 mots en moyenne par réponse sur 150 question(s).

Avec Luca et LLM utilisé seul (sans environnement Luca)

Avec Luca, le modèle gagne 11.7 points sur le score moyen.

Avec Luca, le taux d’erreurs majeures est réduit de 2.7 points.

Score moyen

Avec Luca61.7/100

LLM seul50.0/100

+11.7 pts grâce à Luca

Erreurs majeures

Avec Luca24.7%

LLM seul27.3%

+2.7 pts grâce à Luca

Réponses non nulles

Avec Luca89.6%

LLM seul84.7%

+4.9 pts grâce à Luca

Classement par thème

Meilleur thème conformité (95.7/100) · Plus faible social/paye (48.3/100)

Score moyen par thème

Échecs complets vs réponses utiles

Sur 450 question(s), 47 ont reçu un score nul (échec complet), " 403 ont obtenu au moins un peu de points.

10.4 nul

89.6 non nul

Détails de la distribution des scores

Répartition des notes attribuées par le juge (de 0 à 10). Permet de voir si le modèle obtient beaucoup de notes moyennes, ou si tout se joue aux extrêmes (succès complets vs échecs francs).