Anthropic 的 Opus 5 跑分赢了，私有评测却说法不同
FinanceYF5 · x · 2026-07-28
Opus 5 被认为跑分赢了，但私有评测更重要
这条帖子结合配图在讨论 Anthropic 的 Opus 5。作者的核心观点是：虽然 Opus 5 在不少公开基准上打赢了 Fable，但真实使用体验并不在同一量级，所以“跑分赢”已经不足以说明问题。
帖中强调了三点：
- 公开基准越来越不可信，作者现在更看重自己构建的私有领域数据集评测；
- Anthropic 似乎在 5 系列里尝试了新的训练方式；
- 模型协作体验整体在变差：过去 Claude 的优势是“好用、顺手”，现在作者反而更喜欢 Grok，Kimi 也不错。
图片里的另一层意思是，Anthropic 和 OpenAI 似乎都在把重心从 RLHF 转向更容易规模化、可机器验证的强化学习。
所属事件:Anthropic Opus 5 基准领先但实战口碑分裂(6 条相关)→
「Fun」频道最新
- 「先造祭坛,后学信仰」:AI 生成巨型纪念碑式奇观图 — piotrbinkowski · 2026-10-27
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27
- 冯·诺依曼 1947 年名言与 1952 年 IAS 计算机老照片走红 — pickover · 2026-10-27
- 网友提议学术会议设即兴讲解环节：AI 生成随机论文幻灯片，作者前排提问 — windx0303 · 2026-10-27
- 给多智能体分官定职后吐槽:没有一个真正听得懂人话 — teortaxesTex · 2026-10-27
- Rohrer 用 C89 零依赖手写棋类引擎：不为反 AI，只为爽 — jasonrohrer · 2026-10-27