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(35 条相关)→
「模型」频道最新
- Anthropic 发布 Claude Opus 5，主打生物和化学能力 — gabepgomes · 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
- 有人调侃 Opus 5 只比 Fable 5 强一点，但价格砍半 — dejavucoder · 2026-07-25
- Every 对 Opus 5 转向负评，上月还在夸 Opus 4.8 — soumitrashukla9 · 2026-07-25