多模型盲评实测：Opus 5 中档算力击败 4.8 高档夺魁
OHOLshoukanjuu · reddit · 2026-08-22
在一片「Opus 5 不行」的舆论中，一位非编程用户分享了自建的 Cross-Instance Review 盲评流程：让多个模型就同一简报独立起草，再用 STAR 投票（评分+自动决选）互评选出最佳底稿，用于生产其 Research Synthesis skill v2。
最终得分（满分30）：Opus 5 Medium 以 30 分全票第一，Opus 4.8 High 25 分次之，决选 6–1 胜出；Fable 5 Medium(23) 击败 Fable 5 High(20)；Opus 4.6 High 仅 8 分垫底，多位评审指出其漏掉具体需求。
两个反直觉发现：Fable 的 effort 档位效果呈反向（Medium 优于 High，已是第三次独立观察，没必要为 Fable 付 High 的钱）；Opus 4.6 精确指令遵循弱，应从 build 席位中淘汰。作者还发现在多报告综合任务上 Sonnet 5 Low 因结果更稳定、成本更低反而优于 Opus 5。
「模型」频道最新
- 爆料人称 Opus 5 或采用深度循环架构，方向仍存变数 — scaling01 · 2026-10-16
- GPT-6.1 审查 arXiv：6% 论文主定理有错，近两月降至 1.5% — nitarshan · 2026-10-16
- Nvidia 联手 Nolla 后训练 Nemotron 3.5 VL，皮肤科诊断称超越前沿 — LoganGrasby · 2026-10-16
- Gemini 4 Argon 登顶 ARC-AGI-3 达 97.5%，第二家破 95% — patience_cave · 2026-10-16
- 微软 MAI 自研 3T 参数基座模型亮相，多项 held-out 评测领先 — soldni · 2026-10-16
- Datadog 发布 Scout 1.0：基于 GLM-5.3 Flash 微调的 SRE 专用模型 — Tim_Dettmers · 2026-10-16