Opus 5 在 ARC-AGI-3 拿到 30%，但优势没迁移到保留测试集
Charuru · reddit · 2026-07-25
截图里的关键信息是：Opus 5 在 ARC-AGI-3 上拿到 30%，大约是此前最好成绩的 4 倍、也是 Opus 4.8 的 20 倍左右。但作者随后补充说，这种提升没有迁移到自家的 Witness 保留测试集上：Opus 5 与 kimi-k3、Fable-5 基本打平，明显强于 Opus 4.8，但远谈不上代际跃迁。结论是，这个模型更像是在熟悉谜题模板上学得很强，但在需要通过交互发现新规则的任务上反而退步。
所属事件:Claude Opus 5 创下 ARC-AGI-3 新纪录(15 条相关)→
「模型」频道最新
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11