Arena 新事实性榜单把 Claude Opus 5 Max 排到第一
arena · x · 2026-07-28
Arena 新事实性榜单：Claude Opus 5 Max 排第一
Arena 表示，开启 Max reasoning 的 Claude Opus 5 在新的 factuality 排行里拿到 #1。这个指标把人类偏好和事实准确性结合起来：平台会抽样对战结果，提取可核查的事实，并进行一对一正确性检查。
这个事实性视图已经作为 非默认开关 上线到 Text 和 Search Arenas。Arena 还表示，随着更多投票和 trace 进入系统，后续会继续发布更多类别的发现。
「模型」频道最新
- ProteinGym-LLM 评测中 Claude Opus 5 排名最高 — LeoTZ03 · 2026-07-28
- Kimi K2第三方推理定价齐平官方，算力区位成竞争核心 — kevinsxu · 2026-07-28
- Kimi K3 训练评估共用 5120 万个 sandbox — tarantulae · 2026-07-28
- 开发者吐槽:当前 SOTA 大模型实际表现不如上一代 — zeeg · 2026-07-28
- Claude Opus 5 在模型福利测试中最强，但也可能最会应试 — TheZvi · 2026-07-28
- 跑 Terminal Bench：Kimi K3 成本比 DeepSWE 便宜 2-4 倍 — zainhas · 2026-07-28