Claude Opus 5 在代码智能体基准拿到 67 分
Hesamation · x · 2026-07-25
这条转发配图是一张 Artificial Analysis Coding Agent 排行图，比较了多个模型在 DeepSWE、Terminal-Bench v2、SWE-Atlas-QnA 上的综合 pass@1。图中 Claude Opus 5 (xhigh) 以 67 分位居第一/并列第一，发帖者也直接评价 Anthropic 这次“做得很强”。
所属事件:Claude Opus 5 领跑代码基准但使用成本偏高(3 条相关)→
「模型」频道最新
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11