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
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- Anthropic 发布迄今最详尽威胁情报报告:无人机蜂群滥用案例曝光 — soumitrashukla9 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11