Agent Arena 实测：Opus 系列性能提升伴随 token 暴涨
arena · x · 2026-08-08
Agent Arena 在评估模型完成真实任务时发现，Anthropic 的 Opus 系列在性能显著提升（从 4.7 到 5）的同时，token 消耗量也大幅增加，从约 8.5k 飙升至约 21k（含推理和输出）。
相反，顶级的 GPT 模型呈现出相反的趋势。在 GPT-5.5 到 GPT-5.6-Sol 之间，尽管净性能提升了约 1.5 个百分点，但 token 使用量却从约 10k 下降到了约 8k。
「模型」频道最新
- Artificial Analysis 榜单:GLM 5.3 Flash 得 39 分,以更小体积超越 Mistral 4 Large — airesearch12 · 2026-10-16
- 基于 Qwen3-4B 的开源 ASR 模型 Hojo-ASR 取 3.54 平均 WER — rohanpaul_ai · 2026-10-16
- Google 在 Antigravity 中设 Paid Pro 付费墙，Pixel 与订阅用户不满 — Chance-Okra-5920 · 2026-10-16
- GLM 5.3 Flash 现已在 OpenCode 免费开放 — DanielLockyer · 2026-10-16
- GPT-6 Sol 开药水店零失误，推理摘要却把库存当成自身属性 — liminal_bardo · 2026-10-16
- Codex 用户转投 Claude:称 Opus 5.5 体验领先且 App 优化好 2-3 倍 — ItchyResearcher5671 · 2026-10-16