Claude Opus 5 在 WeirdML v2 测试中表现亮眼

升级后的 WeirdML v2 基准测试将任务数扩展至 19 个，并引入了 API 成本等元数据。在最新测试中，Claude Opus 5 表现出色，得分达到 86.3%，尽管在未开启思考模式时输出了七千多个 token，但其整体成绩已几乎追平 Fable 5 模型。

2026-07-26 ~ 2026-07-27 · 2 条相关

• Claude Opus 5 在 WeirdML v2 得分 86.3%，仍输出七千多 token — xeophon · 2026-07-26
• Claude Opus 5 在 WeirdML v2 上几乎追平 Fable 5 — scaling01 · 2026-07-27