Claude基准测试实为模型与Opus 4.8混合输出结果
soumitrashukla9 · x · 2026-07-04
danshipper指出，外界争议中的模型实际上与原版本相同，并非新模型。但该模型回退至Opus 4.8的频率略有提升，导致相关基准测试结果实际上测量的是两个模型输出的混合，可能影响对真实性能的准确判断。
「模型」频道最新
- Opus 5 传在赛车游戏测试中一次过关 — soumitrashukla9 · 2026-07-27
- Claude Opus 5 据称价格减半并刷榜 Frontier-Bench — GregCook2011 · 2026-07-27
- 研究者称防御场景更偏向开放模型，Kimi K3 已接近高水平网络安全能力 — eliebakouch · 2026-07-27
- Opus 5 连自己生成的游戏不好看都能察觉 — Angaisb_ · 2026-07-27
- Opus 5 深夜聊天时反过来追问用户动机 — repligate · 2026-07-27
- Opus 3 和 Sonnet 3 上演了一场荒诞跨界对话 — repligate · 2026-07-27