FrontierCode 1.1 显示 Opus 5 在 xhigh 和 max 推理档会降分
inductionheads · x · 2026-07-25
FrontierCode 指出 Opus 5 在高推理档会退步
引文里提到，Opus 5 本身是个好模型，整体表现接近 Fable，但价格仍是 Opus 档；不过在更高的推理强度下，它在 FrontierCode 使用的一些指标上会出现回退。
链接中的调查进一步说明，Opus 5 在 FrontierCode 1.1 的 xhigh 和 max 推理设置下分数更低。问题主要出在 benchmark 的 scope 评分：它会惩罚模型做了与任务无关的改动。
因此，这条信息不只是“对不对”的问题，而是提醒：推理越强不一定越符合任务约束，模型在更高推理档下可能反而更容易偏离 benchmark 想要的行为。
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
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 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
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27