Claude Opus 4.8 在 3 个任务上只差一点满分
jyangballin · x · 2026-07-25
这条回复进一步补充了 Claude Opus 4.8 在 ProgramBench 上的表现细节。
- 模型有三次都非常接近满分重建，分别出现在 zip-password-finder、wrapcheck 和 ngrrram。
- 失误点都很细：有的是奇怪的错误字符串，有的是调试日志行，甚至只是一个键盘快捷键。
- 这说明它已经进入“差一点就是满分”的阶段，失败主要集中在极小的实现细节上。
所属事件:Claude Opus 4.8在ProgramBench创16.5%新高(3 条相关)→
「模型」频道最新
- Anthropic 发布 Claude Opus 5，盲测排名超过 GPT-5.6 — lennysan · 2026-07-25
- Notion 收购 ZeroEntropy，reranker 也开源成 Apache 2.0 — CShorten30 · 2026-07-25
- Anthropic 称 Opus 5 以半价逼近 Fable 5 基准表现 — dotey · 2026-07-25
- Opus 5 价格涨约 15%，但仍被视为 4.8 的严格升级 — bindureddy · 2026-07-25
- Fable 5.1 预计晚于 GPT-6，发布时间指向 8 月下旬到 9 月中旬 — zephyr_z9 · 2026-07-25
- ARC-AGI-3 图表显示 Opus 5 领先，但评测成本更高 — Angaisb_ · 2026-07-25