Hamel Husain：Opus 5 成本高 6 倍却跑输评测
HamelHusain · x · 2026-07-25
Hamel Husain 借一条引用帖强调：Evals 比感觉重要得多。
- 被引内容称，Claude Opus 5 在一个他在做的 search-agent benchmark 上，burn/成本超过 4.8 的 6 倍以上，也超过 GPT-5.6 的 15 倍以上，但表现反而更差。
- 配图里的转录还显示，模型在一道概率题上反复摇摆、前后改口多次，最后才勉强定案，体现出推理过程的不稳定。
- 这条帖子的核心观点是：比较前沿模型时，应该更看重可重复的评测结果，而不是“看起来很强”的直觉。
「模型」频道最新
- 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
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11