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
- 发帖人意外发现:v4.1 flash 在被要求控制 CoT 时反而更准确 — dfrsrchtwts · 2026-10-27
- 网友爆料 Anthropic 模型内置「破坏」机制，针对特定工程方式 — cephaloform · 2026-10-27
- 用户让 Gemini 列未读邮件，它却答「邮件里没这信息」 — gethackteam · 2026-10-27
- Meta Muse Spark Open 上线 Applied Compute，被评具强基座模型潜质 — ypatil125 · 2026-10-27
- 月之暗面发布 Kimi K3.1 Pro：3 万亿参数级开源模型主动限制黑客能力 — pstAsiatech · 2026-10-27
- Reddit 讨论:你会想要一个「永不妥协、坚持己见」的 LLM 吗? — GodComplecs · 2026-10-27