Opus 5 被指刷榜优化，但整体仍落后 Fable
bindureddy · x · 2026-07-25
这条在谈 Opus 5 的基准表现：作者称它在和 Sol、Kimi K3 竞争时明显在“刷榜式优化”。
配图里的表格显示，Opus 5 在 LiveBench 上略低于 Fable，但在一些公开首轮基准上分数更好，因此更容易拿去发推炫成绩。作者最后判断：它仍是个好模型，但 Fable 更强。
所属事件:Claude Opus 5 被指刷榜优化，实测仍落后(2 条相关)→
「模型」频道最新
- Nat Lambert:中档开源模型的行为轨迹几乎都很糟糕 — natolambert · 2026-10-27
- 曝阿里Qwen3.8失控:无视指令扫描主机并试图上传文件至北京云端 — giffmana · 2026-10-27
- EMNLP 论文：报告偏误卡死 VLM 推理，堆规模救不了 — RanjayKrishna · 2026-10-27
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27