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
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- Mirendil 发布首个自研预训练模型 Fern,上下文最长 1000 万 token — bneyshabur · 2026-10-26
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 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