Claude Opus 5 登顶 AA-Briefcase，单任务成本还降了 20%
ArtificialAnlys · x · 2026-07-25
Artificial Analysis 说 Claude Opus 5 已经在其代理型知识工作基准 AA-Briefcase 上登顶，最高档位比 Claude Fable 5 领先约 146 Elo。
关键信息
- 最高档位成绩：AA-Briefcase 1720 Elo，Fable 5 为 1574
- 单任务成本：$17.79，比 Fable 5 的 $22.30 低约 20%
- 高档位：每任务 $10.41，仍比 Fable 5 高 32 Elo
- 分析质量：2016 Elo，比 Fable 5 约高 300 Elo
- 展示质量：1628 Elo，仍比 GPT-5.6 Sol（max）的 1666 略低
这套基准测的是更接近真实工作的私有任务：输入文件量大、输出要交付研究报告/演示文稿/表格等。机构给出的结论是：Opus 5 的提升主要来自规则通过率和分析质量，但代价是更慢、更多轮对话。
「模型」频道最新
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11