Claude Opus 5 登顶 ProgramBench，完全通过测试数翻倍
jyangballin · x · 2026-08-13
在 ProgramBench 基准测试中，Claude Opus 5 (xhigh) 取得第一名。该测试要求 AI 从零开始重建 sqlite、ffmpeg 等完整程序。
各项指标均创历史新高：完全通过（100% 测试通过率）的数量从 2 个增加到 9 个（200 个测试中）；接近完美（>95% 通过率）的从 33 个增至 74 个；平均测试通过率从 70.9% 提升至 74.7%。
所属事件:Claude Opus 5 登顶 ProgramBench 编码基准(7 条相关)→
「模型」频道最新
- Gemini 4 模型卡披露:模型可省去生物武器研究数月试错 — Puzzleheaded-King584 · 2026-10-16
- 问 AI 要答案永远是 7：Anthropic 工程师谈模型品味趋同陷阱 — rubenhassid · 2026-10-16
- 推ter脑筋急转弯：抠掉 Llama 3 全部权重矩阵还剩几个参数？ — Sauers_ · 2026-10-16
- Lean v4.35.0 自带四个已验证内核，其中之一由 Claude 写成并自证一致 — geoffreyirving · 2026-10-16
- Claude 团队版一个席位被标记，全组织 5 个账号一并冻结 — RexDouglass · 2026-10-16
- Kimi K3 训后检查点表现出色，获赞预训练扎实 — SonglinYang4 · 2026-10-16