Opus 5 在长链路 agent 任务上更省成本
daniel_mac8 · x · 2026-07-25
这条帖子在回应有人用 AA-Index 的单任务成本图反驳 Opus 5 的性价比说法，认为这种对比方法用错了场景。
- AA-Index 的任务大多是单轮任务，无法体现长链路 agent 任务里的效率优势。
- 作者认为在 ARC-AGI-3 这类可进行约 10,000 步的任务上，Opus 5 在相同成本下会比 GPT-5.6 Sol 更有优势。
- 核心结论是：评价模型的“每任务成本”时，要看任务长度和 agentic 工作负载，而不是只看短任务基准。
所属事件:Opus 5 与 GPT-5.6 Sol 实测：能力趋同，成本与风格成选型关键(7 条相关)→
「模型」频道最新
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11