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
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26