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
- GPT-6.1 Terra 事实错误率从 22.3% 降至 4.3%，降幅近 81% — haider1 · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27
- Artificial Analysis 更新智能指数 v4.3.2，GPT-6.1 Terra 参与横评 — ArtificialAnlys · 2026-10-27
- AA 实测:GPT-6.1 Terra 幻觉率降 50%,准确率还升 2 分 — ArtificialAnlys · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27