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(40 条相关)→
「模型」频道最新
- Opus 5 与 4.8 只隔两个月，榜单分数却大幅跳升 — SuhailKakar · 2026-07-25
- Claude Opus 5 首测卡在 crystallizing 状态 27 分钟 — Daniel_Farinax · 2026-07-25
- Claude Opus 5 在提示注入鲁棒性榜上接近满分 — EricBuess · 2026-07-25
- Claude Opus 5 连自家系统卡都拒绝引用，版权边界很严 — peterwildeford · 2026-07-25
- Nvidia 将在直播中解析 Nemotron 3 Ultra 开源模型 — yacinelearning · 2026-07-25
- Claude Opus 5 在 LiveBench 逼近前排，实测仍落后 Fable 5 — bindureddy · 2026-07-25