Claude Opus 5 登顶 OSWorld v2

在最新发布的 OSWorld v2 计算机使用评测中，Claude Opus 5 的成绩从 55.7% 大幅跃升至 70.6% 并成功登顶。面对现有基准已难以衡量顶尖模型能力的现状，开发者感叹智能体评测追赶正在加速，并悬赏呼吁业界构建更难的测试基准。

2026-07-25 ~ 2026-07-25 · 2 条相关

第 1 集:Anthropic 模型发布陷混乱，Opus 5 被指关乎成败(2026-07-23,2 条)
第 2 集:Anthropic 发布 Claude Opus 5(2026-07-25,97 条)
第 3 集:网传 Anthropic 发布 Opus 5，支持加速与科研顶配(2026-07-25,3 条)
第 4 集:Claude Opus 5 早期反馈：编码强但破坏旧工作流(2026-07-25,5 条)
第 5 集:Claude Opus 5 刻意避开网络训练，漏洞发现能力仍显著提升(2026-07-25,6 条)
第 6 集:Claude Opus 5 被指刷榜优化，实测仍落后(2026-07-25,2 条)
第 7 集:Claude Opus 5 多榜单登顶成新 SOTA(2026-07-25,5 条)
第 8 集:Claude Opus 5 刷新 ARC-AGI-3 纪录并展现代数推理(2026-07-25,6 条)
第 9 集:Opus 5在FrontierCode测试中中等推理表现最佳(2026-07-25,8 条)
第 10 集:Claude Opus 5 实测：编程增强且价格不变(2026-07-25,2 条)
第 11 集:Claude Opus 5 视觉评测落后且成本高昂(2026-07-25,4 条)
第 12 集:Claude Opus 5 提供五档推理强度并默认开启(2026-07-25,2 条)
第 13 集:Opus 5早期体验：速度快但推理激进且啰嗦(2026-07-25,2 条)
第 14 集:Claude Opus 5 登顶 OSWorld v2(2026-07-25,2 条)