个人实测基准：Opus 5.5 达 Fable 水平，GPT-5.6-Sol 仍居首
danshipper · x · 2026-09-23
Every 的 Dan Shipper 推荐 @hammermt 的个人基准 Mike's Checks（9 个模型、15 项真实工作任务）来看 Opus 5.5 的实战表现。
结果概览：Opus 5.5 总分 80%，多项任务达到 Fable 5（79%）水平，在 pptx、roleplay-interview 等任务上拿到 100%，但在部分任务上因运行超时未出分。榜首是 GPT-5.6-Sol（84%），Grok-4.6 也达 83%；DeepSeek-V4-Flash 仅 58%。
该基准的定位是回答「哪个模型最适合我的工作」，由脚本检查 + LLM 裁判打分，而非通用的模型能力宣称。
所属事件:Claude Opus 5.5 发布：更强更便宜，登顶 AA 榜首(259 条相关)→
「模型」频道最新
- $100 档 xAI 订阅用量骤降,用户晒额度耗尽截图扬言退订 — gnukeith · 2026-11-09
- 博主据 METR 内部基准推算：Anthropic 内部模型已领先公开版一代 — haider1 · 2026-11-09
- Opus 5.5 能做惊艳 3D 建模，画个橄榄球图标却翻车 — rms80 · 2026-11-09
- 新开源小模型 Thinky Inkling 2 Small 实测：不如 DeepSeek Flash 还更贵 — intellectronica · 2026-11-09
- Gemini 4 Carbon 宣称 SOTA 却全渠道不可用，无人能用 — Yuchenj_UW · 2026-11-09
- 用户实测：AI bot 额度消耗不一致，周末响应还变笨 — mattyp · 2026-11-09