Anthropic 图表显示 Claude Opus 5 多项编程与知识评测领先
Acceptable-Debt-294 · reddit · 2026-07-25
这条 Reddit 帖子转发了 Anthropic 给 Claude Opus 5 做的 benchmark 图，重点是它在编程、知识工作、搜索、电脑操作和生物任务上的表现。
图中可见的关键数字
- Frontier-Bench v1（agentic terminal coding）：43.3%
- GDPval-AA v2（knowledge work）：1861
- ARC-AGI-3（novel problem solving）：30.2%
- BrowseComp（agentic search）：90.8%
- OSWorld 2.0（computer use）：70.6%
- DeepScale v1.1（agentic coding）：68.8%
- AutomationBench（business workflows）：26.0%
- BioMysteryBench（biology）：90.1%
图里还把 Opus 5 放在 Opus 4.8、Fable 5 和 GPT-5.6 Sol 的成本/效果对比中，传达的是“更强、且更划算”的定位。
所属事件:Anthropic 发布 Claude Opus 5：性能达 SOTA 且价格减半(128 条相关)→
「模型」频道最新
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11