FrontierCode 图表显示 Claude Opus 5 中等推理最好
zainhas · x · 2026-07-25
一张 FrontierCode 图表显示，Claude Opus 5 在不同 test-time compute 档位上的表现并不单调上升，反而可能存在“想太多”的问题。
- 在 main set 上，Claude Opus 5 在 medium 设定达到最好成绩 53.4%，继续提高推理强度后成绩反而回落。
- 在 extended set 上，它同样在 medium 附近表现最好，最高到 63.6%，之后高推理强度下又出现下降。
这条帖子的核心判断是：对这个任务来说，更高的 reasoning effort 不一定带来更好的结果，甚至可能“pay to lose”。
所属事件:Opus 5 编码测试反转：推理越强分数反而下滑(13 条相关)→
「模型」频道最新
- 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
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11