Claude Opus 5 可能因子代理分工而拉低硬测成绩
draginol · x · 2026-07-25
有人指出，Claude Opus 5 在一些“higher effort”基准上表现偏弱，可能不是因为主模型本身能力不足，而是它更多依赖子代理分担任务，而这些子代理通常并不是 Opus 5。
这条观察的重点在于：如果评测过程里混入了外部或更轻量的代理，最终分数可能更像是在衡量整个编排系统，而不完全是 Opus 5 单体模型的能力。
所属事件:Opus 5 编码测试反转：推理越强分数反而下滑(13 条相关)→
「模型」频道最新
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11
- 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