SlopCodeBench 实测里 Opus 5 领先 Opus 4.8 和 Sonnet 5
HamelHusain · x · 2026-07-25
SlopCodeBench 实测：Opus 5 正与 Opus 4.8、Sonnet 5 对比
这条帖子转发的是一组正在进行中的基准测试：在 SlopCodeBench 上对比三款 Claude 模型的表现，配图里能看到实时面板和阶段结果。
- 截图时，51 个 checkpoint 已完成 8 个。
- 当前花费 $12.31，系统预估总成本约 $102。
- 面板显示在已展示的任务上，Opus 5 目前领先，严格通过数为 2/8。
- 帖子里还给出第一题的中间数据：Opus 4.8 用了 7 轮，Opus 5 用了 11 轮，Sonnet 5 已到 33 轮还在继续。
这是一个还在流式更新的评测，结论只能算阶段性观察。
「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