Claude Opus 5 在编码、搜索和推理基准上全面走强
natolambert · x · 2026-07-25
Anthropic 的 Claude Opus 5 被称为在“更快迭代速度 + 规模化 RL”下表现显著提升的前沿模型。
配图给出了多项基准对比，Opus 5 在多个任务上领先或接近领先，包括：
- Agentic terminal coding：43.3%
- GDPVal-AA v2：1861
- ARC-AGI-3：30.2%
- BrowseComp：90.8%
- Humanity’s Last Exam：无工具 56.3%，有工具 64.7%
- OSWorld 2.0：70.6%
- FrontierCode v1.1 Main：53.4%
- AutomationBench：26.0%
- Legal Agent Benchmark：11.7%
- HealthBench Professional：59.8%
- BioMysteryBench：hard 49.4%，human solved 90.1%
同时，帖子提到其安全分类器的介入频率预计会比 Fable 5 低约 85%。
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
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- RTX 3060 全本地语音助手复刻 GPT Live 官方演示，6 分钟跑完全程 — liampetti · 2026-09-11
- 曝 Meta Muse Agent 内置邀请码逻辑,或携额外免费额度上线 — testingcatalog · 2026-09-11