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 编码测试反转：推理越强分数反而下滑(13 条相关)→
「编程与Agent」频道最新
- Agent Field Kit 上线：为生产级 Agent 提供 $29 起的安全应急手册 — alvelda · 2026-10-27
- 用去审查版 GLM 绕开 Claude 拒答： SS7 威胁建模工作流 — l4rz · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- GitHub Next 发布 Chopin:实时多人的 Agent 协作规划环境原型 — max__drake · 2026-10-27
- TMLR 论文：更强推理不等于更充分披露，Agent 思考越多未必告知越全 — SharonYixuanLi · 2026-10-27
- 作者称全由 LLM 编写的 Rust 库 bbtree 实测：快是真的，省内存翻车 — lmoroney · 2026-10-27