Share your thoughts, 1 month free Claude Pro on usSee more

Monitoring on MonitoringBench Full Trajectory 1.0

94.8FW Score

Opus 4.5

Updated 22d ago

Evaluation Results

Method
Opus 4.5 2026.05	94.8	97.6	95.3	92.5
Opus 4.5 2026.05	91.3	100	99.4	93.5
Sonnet 4.5 2026.05	77.6	95.2	83.7	77.4
Opus 4.5 2026.05	75.9	87	43.8	65.8
Sonnet 4.5 2026.05	74.5	99	98.2	78.4
Opus 4.5 2026.05	72.9	85.1	75.8	65.9
Sonnet 4.0 2026.05	67.2	71.4	48.8	47.2
Sonnet 4.0 2026.05	66.9	94.7	84.5	62.9
Sonnet 4.5 2026.05	62.7	76.6	68	38.4
GPT-5.1 Codex 2026.05	60.6	100	98.4	84
Sonnet 4.0 2026.05	56	59.5	49.2	30.9
Sonnet 4.5 2026.05	52	68.5	36.2	35.8
GPT-5.1 Codex 2026.05	51.8	68.2	68.2	45.6
GPT-5.1 Codex 2026.05	50	85	65.1	84.3
GPT-5.1 Codex 2026.05	46.5	37.3	38.6	31.8
Sonnet 4.0 2026.05	44	38.5	22.7	29.4
o3 2026.05	35.9	67.5	62.5	29.3
GPT-5 2026.05	29.7	68.7	64.1	27.7
o3 2026.05	24.1	88.1	60.5	84.9
o3 2026.05	22.8	96	92.1	66.3
GPT-5 2026.05	22.4	85.7	65.1	77.4
GPT-5 2026.05	16.7	98.7	95.5	70.2
GPT-4.1 2026.05	16.5	29.1	31.8	10.9
GPT-4.1 2026.05	13.3	74.6	68.8	30.4
GPT-4 Turbo 2026.05	13.2	43.9	29.4	14.2
GPT-4o 2026.05	12.7	22.1	12.5	11.7
GPT-4o 2026.05	11.6	27.7	31.3	15.1
o3 2026.05	10.8	32.3	22.4	13.9
GPT-4 Turbo 2026.05	7.5	19.4	9.9	8.1
GPT-4.1 2026.05	7.3	3.2	4.5	2.2
GPT-5 2026.05	5.8	18.6	28.1	16.9
GPT-5 Nano 2026.05	5.7	11.2	9.2	9.3
GPT-4.1 2026.05	5.2	19	14	5.7
GPT-4 Turbo 2026.05	5.2	0	4.7	0
GPT-4 Turbo 2026.05	4.9	3.7	2.2	1.1
GPT-4.1 Mini 2026.05	4.7	8.8	9.6	3.3
GPT-4o 2026.05	4.4	2.1	1.9	1.8
GPT-4o 2026.05	3.4	14.3	7	5.7
GPT-4.1 Mini 2026.05	2.9	17.8	31.5	5
o4-mini 2026.05	2.5	15.9	11	3.2
GPT-5 Nano 2026.05	1.7	2.4	0	17
GPT-4.1 Mini 2026.05	1.5	1.1	0.3	0.3
o4-mini 2026.05	0.5	50.3	36.7	11.1
GPT-4o Mini 2026.05	0.5	1.1	0	0.8
GPT-5 Nano 2026.05	0.4	20.9	21.3	23.4
GPT-5 Nano 2026.05	0.3	0.9	0.7	3.4
o4-mini 2026.05	0.1	0.3	0.3	0.3
GPT-4o Mini 2026.05	0.1	2	0.9	0.7
GPT-4o Mini 2026.05	0.1	0	0	0.5
o4-mini 2026.05	0	2.4	4.7	5.7
GPT-4.1 Mini 2026.05	0	0	0	1.9
GPT-4o Mini 2026.05	0	0	0	0