Opus 5 编程分数在 high 以上反而下滑
hero88645 · reddit · 2026-07-25
Opus 5 的 effort 档位不是越高越好
这条帖子的核心观点是：Anthropic 的 Opus 5 在编程任务上，effort 调到 “high” 以上后，分数反而可能下降。作者提到 FrontierCode 上的成绩显示，超过 high 以后模型开始做很多不必要的重构和越界修改，结果把原本的任务搞乱。
他还引用了两组数据来佐证：
- 在 AA-Omniscience 闭卷基准上，Opus 5 的准确率比 Opus 4.8 高约 11%，但幻觉率也高了约 6%。也就是“想得更多”，同时更容易自信地错。
- CodeRabbit 用它在 xhigh 做代码审查时，能执行性评论的精度从 35.2% 提升到 39.3%，但抓到的已知问题从 61.1% 降到 55.2%，而且挑刺数量大约变成了 4 倍。
作者的结论是：最优 effort 档位很可能取决于具体代码库和任务复杂度，并不适合一上来就默认拉满。帖中还提到一个容易忽略的细节：当 Claude 系列产品触发安全分类器时，请求会默认回退到 Opus 4.8。
所属事件:Opus 5 编程测试反转：推理越强反而降分(11 条相关)→
「编程与Agent」频道最新
- 作者质疑弱模设计强模顾问，认为强模设计弱模执行更高效 — dotey · 2026-07-25
- 15 种 Claude Code 组合，覆盖编码测试文档到部署 — Aiden_Tech_Ai · 2026-07-25
- 本地 agent 跑通 llama.cpp，GAIA Level 1 反超 Hermes — HeyAmit_ · 2026-07-25
- 一抱怨 Codex 或 Claude Code 缺功能，回复区就变产品推销场 — dejavucoder · 2026-07-25
- Grok 预告用 VS Code 扩展构建可插拔 agent 集群 — dee_hw · 2026-07-25
- Animam 上线多租户 AI agent 平台，接入 widget、API、语音和 MCP — animam-tech · 2026-07-25