# Anthropic 内部流出一份 Claude 流畅度评分表，最高 11 分，优秀人类能拿 7.5

> 原标题：倒反天罡，AI开始给人类打分！Claude评分标准曝光: 优秀人类得7.5分

- 来源：新智元 · 公众号
- 发布时间：2026-05-30T07:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/30688
- 原文：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652703932&idx=2&sn=b8d066d3177ac8db880b43ba1bdfe943

## 摘要

这份评分表把用户跟 Claude 的对话拆成 11 个可观察的行为指标来打分，满分 11 分。背后的研究用了 9830 组匿名多轮对话，发现高质量对话里 85.7% 都出现了“反复修改追问”这个动作。正文没披露具体评分细则和实验设计细节，目前只能看到评分框架，所以这个 7.5 分到底怎么算出来的还不清楚，先别太激动。

## 推荐理由

Anthropic 用 9830 组匿名多轮对话拆出 11 项行为指标给用户打分，其中 85.7% 的高质量对话都出现反复修改追问，这条呈现了 AI 公司如何定义高质量使用。

## 锐评

11 分制、最高 11 分、优秀人类 7.5，这套分数本身比研究结论更有传播力。9830 组对话里 85.7% 的高质量对话都出现反复修改追问，这个数字我信，它说的其实是用户肯不肯多轮磨，跟模型能力关系不大。问题是评分细则没放出来，7.5 这个人类基准怎么定的没人知道，拿它当能力对比就是自娱自乐。Anthropic 放这张表出来，更像是给重度用户一个自我感觉良好的尺子，顺便把多轮追问包装成正确用法。反正分数看看就行，别拿它去衡量模型好坏。
