Claude Opus 5 在 FrontierCode 上中等推理反而更强
zainhas · x · 2026-07-25
有人在问 Claude Opus 5 是否有“想太多”的问题。贴出的基准结果显示，在 FrontierCode 主集和扩展集上，Opus 5 采用 medium reasoning effort 的表现，反而优于 high / xhigh / max。
这意味着，把推理强度继续拉高，未必总能带来更好分数；在某些基准上，反而可能出现“越想越亏”的情况。
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
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 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