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
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27
- 换评测框架成绩大涨：Argon 改用 Antigravity Harness 逼近 Opus 5.5 — davidstutz92 · 2026-10-27
- 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- ChatGPT 把 404 Media 当科技公司客服，大批用户被推荐去找记者修手机 — 404 Media · 2026-10-26