Claude Opus 5 在 LiveBench 逼近前排，实测仍落后 Fable 5
bindureddy · x · 2026-07-25
Bindu Reddy 认为，Claude Opus 5 在 LiveBench 上已经接近 Sol 6 和 Fable 5，但更像是“刷榜”后的结果。
他补充说，自己在真实测试里看到的表现，Opus 5 仍然低于 Fable 5 和 Sol 6，尤其是在长时间循环、持续执行这类场景中，基准分数并不能完整反映实际能力。
他给出的几个判断
- LiveBench 上，Opus 5 仅次于 Sol 6 和 Fable 5。
- 真实使用里，它仍落后于这两款模型。
- 现有 benchmark 对长链路、长时任务的覆盖不够。
- 他认为在各自价位段里，Fable 5、Kimi K3 和 Grok 4.5 目前最强。
所属事件:Claude Opus 5 被指刷榜优化，实测仍落后(2 条相关)→
「模型」频道最新
- Kimi K3 开源许可证设门槛:年收超 2000 万美元须另签协议 — alex_verem · 2026-10-27
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 2026-10-27
- DeepSeek 安全评测发现「过度归因」：模型把普通任务当成考试 — Much_Boysenberry9124 · 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