Anthropic 用 ARC-AGI-3 测 Opus 5 新推理能力
typewriters · x · 2026-07-25
Anthropic 正在用 ARC-AGI-3 来衡量 Opus 5 的新问题解决能力。
配图给出的是一张“总评测成本 vs 得分”的散点图：
- Opus 5 (high) 约在 30% 左右
- Opus 4.8 (high) 只有低个位数
- GPT-5.6 Sol 也在 10% 以下，但评测成本更高
这条信息的重点不是单纯刷分，而是把 ARC-AGI-3 作为一种更偏“新颖推理/未知任务解决”能力的前沿测评。
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
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 2026-10-27
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27