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:Hyperagent实测：旗舰模型竞争转向风格与成本(6 条相关)→
「模型」频道最新
- Grok 4.5 扩展到工作流、Office 和千级智能体编排 — XFreeze · 2026-07-26
- 知名开发者吐槽 Claude 3 Opus：能力不错但极其昂贵 — mitsuhiko · 2026-07-26
- Reddit 讨论 DeepSeek、Hy3 与 Qwen3.6 编程智能体表现 — Leflakk · 2026-07-26
- Kimi K3 红队测试落后美系前沿模型，护栏却没拦住入侵指令 — ai · 2026-07-26
- KOL喊话Google：是时候发布千亿参数Gemma 4了 — natolambert · 2026-07-26
- 用户称 Grok Imagine 在图像和视频生成上都落后了 — mark_k · 2026-07-26