Claude Opus 4.8在ProgramBench创16.5%新高

Claude Opus 4.8在ProgramBench测试中取得突破，其“几乎解决”指标达到16.5%创下新高。测试细节显示，该模型在zip-password等三个任务中极度接近满分重建。此外，相比GLM 5.2及Anthropic早期模型，Opus 4.8在取得最佳成绩的同时展现出了更高的执行效率，使用了更少的步骤。

2026-07-25 ~ 2026-07-25 · 3 条相关

• Claude Opus 4.8 在 ProgramBench 上拿到 16.5% 新高 — jyangballin · 2026-07-25
• Claude Opus 4.8 在 3 个任务上只差一点满分 — jyangballin · 2026-07-25
• Claude Opus 4.8 用更少步骤拿到最佳 ProgramBench 成绩 — jyangballin · 2026-07-25