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
- GPT-6.1 Terra 上线 OpenAI API,评测方 LuminaBench 抢先预告 — airesearch12 · 2026-10-27
- 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
- Fern 0.1 预览:一人 3.5 个月、不到 1000 万美元预训练的编程模型 — teortaxesTex · 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