Anthropic 新模型刷新 Bug Hunt Bench 纪录

博主 Pawel Huryn 报告 Anthropic 新模型在 Bug Hunt Bench 上的表现刷新历史:Opus 5.5 (max) 完成 138–163 次模型调用,Sonnet 5.5 更是跑出 628 次调用、自检长达 111 分钟且超 800 轮仍不罢工,展现前所未有的持续执行行为。Huryn 随后更正数据,指出此前的轮数报告有误,Opus 5.5 与 Sonnet 5.5 之间的实际差距比原先描述的更为悬殊。

2026-09-29 ~ 2026-09-29 · 3 条相关

事件全程(共 2 集)→