ProgramBench 评测结果：Opus 5 依然领先，0813 为最强开源模型
teortaxesTex · x · 2026-08-23
ProgramBench Vetted 评测结果显示了有趣的分布，其中“almost”（通过至少 95% 测试的任务）指标最具启发性。Opus 5 依然表现出色（mogs），但 0813 版本是目前少数几个在评测中严格强于其他开源模型的版本之一。
所属事件:ProgramBench 评测出炉：Opus 5 领先，0813 夺最强开源(2 条相关)→
「模型」频道最新
- 网友猜测某预览模型可能来自中国实验室的轻量级 Flash 模型 — brandon_galang · 2026-08-23
- Ox 模型评测：单次生成能力强但长语境任务需引导 — rachittshah · 2026-08-23
- Grok 4.6 凭借更少步骤与Token，实现更快更便宜的任务执行 — XFreeze · 2026-08-23
- Qwen3.8-27B 发布一周：社区全方位评测汇总 — Jonathan_Rivera · 2026-08-23
- 用户推测 Opus 5 变啰嗦或为配合水印检测 — cool_architect · 2026-08-23
- 微调 Gemma 4 12B：工具调用能力提升 2.7 倍 — TheOneWhoWil · 2026-08-23