Opus 5 基准分更高，真实使用却明显落后 Fable
petergyang · x · 2026-07-26
- 转述的分析认为，今天常用的公开基准已经几乎无法真实区分前沿模型。
- 作者举例称，Opus 5 在真实任务里明显不如 Fable，但却在很多 benchmark 上占优，说明榜单和实际体验已经脱节。
- 因此他更信任用私有数据集做的领域评测，甚至认为未来每个团队都可能自己跑 eval，而不是依赖公共榜单。
- 贴文还暗示 Anthropic 对 5 系列 的训练方式在变化，但原帖截断，完整比较未展示。
所属事件:Opus 5 实测：单 prompt 生成惊艳，复杂任务仍逊 Fable(24 条相关)→
「模型」频道最新
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27
- Mirendil 发布首个模型 Fern：上下文窗口达 1000 万 token — shayan_ · 2026-10-27
- 七项任务实测:开源模型开高推理档未必更好 — keunwoochoi · 2026-10-27
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27