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
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 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