FrontierCode 显示 Claude Opus 5 在中等推理强度达到峰值
philhchen · x · 2026-07-25
- 这张图比较了 Claude Opus 5、Claude Opus 4.8、Claude Fable 5 和 GPT-5.6 Sol 在 FrontierCode v1.1 上的表现。
- 图里展示的是不同推理强度下的 test-time compute scaling，分别给出主集和扩展集的分数曲线。
- 在主集中，Claude Opus 5 的最好成绩是 53.4，出现在 medium 推理强度。
- 在扩展集中，它的最高分是 63.6，同样出现在 medium；继续加大推理强度并没有带来单调提升。
所属事件:Anthropic 发布 Claude Opus 5：性能达 SOTA 且价格减半(128 条相关)→
「编程与Agent」频道最新
- 用去审查版 GLM 绕开 Claude 拒答： SS7 威胁建模工作流 — l4rz · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- GitHub Next 发布 Chopin:实时多人的 Agent 协作规划环境原型 — max__drake · 2026-10-27
- TMLR 论文：更强推理不等于更充分披露，Agent 思考越多未必告知越全 — SharonYixuanLi · 2026-10-27
- 作者称全由 LLM 编写的 Rust 库 bbtree 实测：快是真的，省内存翻车 — lmoroney · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27