Anthropic介紹Claude「think」工具及評測結果

2026年10月15日，Anthropic在 Engineering 發文介紹 Claude「think」工具，説明如何在複雜工具調用過程中加入專門的思考步驟，並分享實作方法及評測結果。報道指出，在 τ-Bench 零售任務中，使用該工具的配置 pass^1 為 0.812，高於基準配置的 0.783；在航空任務中，搭配優化提示詞的配置表現最佳。這篇報道聚焦工具在複雜工具調用中的用途，以及它在零售和航空兩類任務中的評測表現；零售任務提供了與基準配置的數值比較，航空任務則指出了表現最佳的配置。

AI 根據報道生成 · 1 小時前更新

還沒有足夠的連續觀測數據，暫不繪製趨勢。