Claude Opus 5 上线，编程实测强但基准分数仍有争议
Latent Space · rss · 2026-07-25
Anthropic 发布 Claude Opus 5 后，社区对它的基准成绩和真实体验给出了一个“分数偏保守、实战很强”的混合判断。
- Epoch 给出的 ECI 是 159，略低于 Fable 5 的 161；但在软件工程指标上，SWE-ECI 达到 161，与 Fable 5 持平。
- 早期用户普遍认为它在真实工作流里比公开分数更强，尤其是编程和浏览器/工具使用。
- 有评测者指出一个异常现象：在 FrontierCode 上，中等 effort 反而比高 effort 更好，说明更多推理计算并不总能带来更高分。
- 其他反馈集中在 best-of-n 编码结果、浏览器自动化和更强的 agent 行为，但这些多为个体实测，尚未形成统一结论。
「模型」频道最新
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26
- 中国首个前沿AI安全独立评测实验室「方寸跃迁」成立并首发DeepSeek评测 — JacquesThibs · 2026-10-26
- 当 AI 遇上存在主义危机：模型自己也「迷茫」了 — Ok-Delivery-7437 · 2026-10-26
- Kimi K3.1 Pro 登顶 MathArena 开源模型，整体逼近 GPT-5.5 — teortaxesTex · 2026-10-26