FrontierCode 设计解释了 Opus 5 推理越强分数越低
silasalberti · x · 2026-07-25
作者解释了为什么 Opus 5 在 FrontierCode 上会出现“推理力度越高，分数反而下降”的现象。
关键在于 FrontierCode 评估的不是单纯正确率，而是 merge-ability：它把是否适合合并进代码库也纳入标准。其中一个 scope criterion 会惩罚超出任务范围的改动。作者称，这种现象在所有前沿模型上都能看到，但在 Opus 5 上最明显——推理强度越高，模型越倾向于不经要求就重构代码。
所属事件:Opus 5在FrontierCode测试中中等推理表现最佳(8 条相关)→
「模型」频道最新
- Miles Brundage 说 Opus 5 表现不错但过于啰嗦 — Miles_Brundage · 2026-07-25
- 早期反馈称 Opus 5 更冷，少了 4.7–4.8 的顶嘴感 — teortaxesTex · 2026-07-25
- Grok确认Anthropic Opus 5即将发布 — iruletheworldmo · 2026-07-25
- Opus 5 把免责声明式措辞比作“穿别人的外套” — RileyRalmuto · 2026-07-25
- Anthropic 发布 Claude Opus 5：5/25 定价，编程榜单登顶 — APPSO · 2026-07-25
- 研究者称一种通用越狱可横跨 GPT-5.6、Opus 5 和 Fable — Polymarket · 2026-07-25