Anthropic effort 档位与基准数据，给模型选择提供实用参考
seh0872 · reddit · 2026-07-24
Anthropic 的 effort 档位和基准数据，给选 Sonnet 还是 Opus 提供了实用参考
这条 Reddit 长帖整理了很多做 AI 团队/智能体工作流时会用到的信息。首先是 Anthropic 的 effort 档位：low / medium / high / xhigh / max，而 API 默认是 high。帖中特别提醒，effort 不只是影响“思考长度”，也会影响整条请求的行为，因为低 effort 往往连工具调用次数都会减少。
接着帖子对 Sonnet 5 和 Opus 4.8 做了多项基准对比，包括：
- SWE-bench Pro：63.2% vs. 69.2%
- Terminal-Bench 2.1：80.4% vs. 74.2%–82.7%
- OSWorld-Verified：81.2% vs. 约 83%
- GDPval-AA v2：1,618 Elo vs. 1,615 Elo
更关键的是一条更偏实践的结论：Anthropic 说 Opus 4.8 相比 Opus 4.7，漏掉代码缺陷而不提醒的概率大约低 4 倍。整体上，这篇帖子的意思不是“看分数选模型”这么简单，而是：在真实的 agentic 编程和 review 流程里，模型行为可能比单一 benchmark 更重要。
所属事件:Opus 5 编码测试反转：推理越强分数反而下滑(13 条相关)→
「编程与Agent」频道最新
- Firecrawl 推 a16z Speedrun 创始人专属福利,并披露 7500 万美元 B 轮 — devdigest · 2026-10-27
- 开源项目 Chums:用 Apple Watch 随身遥控 Mac 上的 Claude Code — brandon_galang · 2026-10-27
- 开发者开源 Clairic Studio:粘贴文本自动生成五语言类型化代码 — dfinke · 2026-10-27
- Matt Pocock 分享 expand/contract 拆分法:把单向门 PR 拆成两层降风险 — mattpocockuk · 2026-10-27
- Qdrant 自研 Universal I/O:向量库 mmap 无缝迁移到对象存储 — qdrant_engine · 2026-10-27
- theo 公开个人 Claude skills 栈，Garry Tan 喊话「公布你的技术栈」 — ycombinator · 2026-10-26