Claude Opus 5 登顶 OSWorld v2，开发者悬赏更难基准

EricBuess · x · 2026-07-25

在最新发布的 OSWorld v2 计算机使用评测中，Claude Opus 5 的成绩从 55.7% 大幅跃升至 70.6%。由于现有基准已难以衡量顶尖模型能力，开发者表示愿意赞助寻找能让 Opus 5 得分低于 50% 的更难评测基准。

原文链接 →

「模型」频道最新

• “我唯一关心的评测”：Opus 5 和 RunescapeBench 梗 — Flomerboy · 2026-07-25
• 用户反馈 GPT 5.6 对话更自然，Opus 5 偶显急躁 — dreamwieber · 2026-07-25
• Miles Brundage 吐槽 Opus 5 先抄梗再装原创 — Miles_Brundage · 2026-07-25
• Kimi K3.0 abliterated GGUF 在 Hugging Face 走红 — audnai · 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

更多「模型」频道 AI 资讯 →