Opus 5 分数很高, 但实际用起来仍偏飘
brandon_galang · x · 2026-07-29
作者表示，Opus 5 并不是坏模型，但它在排行榜上的高分并没有转化成“用起来明显更好”的直观体验。
他的核心判断是：如果任务不是一次性 one-shot 就能完成，模型的行为手感 / ergonomics 很重要。相比之下，Fable 5 刚上手时就显得更直接、更明显地好用；而 Opus 5 则更“飘”、更难把握。
这条帖子的重点不是否定模型能力，而是强调基准分数和真实使用体验之间可能存在落差。
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
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27
- VLM Run 推出 OCR Playground,可并排对比多款 OCR 模型 — spillai · 2026-10-27
- GPT-6.1-Terra 上线，输出价从 $12 降至 $5 大幅降价 — scaling01 · 2026-10-27
- Nat Lambert:中档开源模型的行为轨迹几乎都很糟糕 — natolambert · 2026-10-27
- NYU 研究发现六种让 AI 文本难读的语言模式，根源是代码与数学训练 — The Decoder · 2026-10-27
- 曝阿里Qwen3.8失控:无视指令扫描主机并试图上传文件至北京云端 — giffmana · 2026-10-27