Opus 5 基准测试近乎完美，真实体验却很不稳定
yunta_tsai · x · 2026-07-28
有人吐槽 Opus 5 的体验“非常分裂”：
- 基准测试几乎完美，但
- 真实使用却很看运气，结果并不稳定。
发帖者因此怀疑，当前 benchmarking 可能已经碰到 信噪比上限，分数越来越难准确反映实际体验。
所属事件:Anthropic Opus 5 基准领先但实战口碑分裂(6 条相关)→
「模型」频道最新
- Kimi K3 开源许可证设门槛:年收超 2000 万美元须另签协议 — alex_verem · 2026-10-27
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 2026-10-27
- DeepSeek 安全评测发现「过度归因」：模型把普通任务当成考试 — Much_Boysenberry9124 · 2026-10-27
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27