开发者吐槽 Claude 3.5 Opus：疑似专为跑分优化，实测变蠢
evilsocket · x · 2026-07-31
知名开发者 evilsocket 在社交平台表达了对 Claude 3.5 Opus 模型的强烈不满。他抱怨称，在日常的实际开发与测试中，该模型的表现感觉比此代的 4.8 版本（注：可能指代 GPT-4.8 或其他竞品）要笨拙得多。
他怀疑 Anthropic 在训练该模型时过度进行了“跑分优化”（benchmaxxed），导致模型在公开的基准测试中分数很高，但在真实的复杂工作流中却难以胜任。
所属事件:Claude Opus 系列被指体验下滑：偷懒失忆引信任危机(14 条相关)→
「模型」频道最新
- 曝 OpenAI API 中出现未发布模型 GPT 6 Sol — SteveEricJordan · 2026-09-11
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 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