Opus 5 发布时 FrontierCode 得分 53.4%，新榜单卡片缩水至 48%
mathemagic1an · x · 2026-09-23
Andrew Carr 指出一个评测口径问题：Opus 5 发布时在 FrontierCode 评测上报告 53.4%，但在同一评测的 5.5 版本卡片上仅显示 48%。数学研究者回应 coined 一个新词「Benchflation」——基准测试随时间更新导致历史分数不可比、榜单成绩被稀释的现象。这引发了对厂商发布时点选择高分口径、后续榜单更新悄然改写成绩的质疑。
所属事件:Opus 5 的 FrontierCode 得分从 53.4% 缩水至 48% 引争议(3 条相关)→
「模型」频道最新
- 曝部分 ChatGPT 用户已被路由到 GPT-6.2 Sol,下周或正式发布 — kimmonismus · 2026-11-08
- 开发者新组合:Grok Super + 去审查版 GLM 与 DeepSeek 跑技能 — vincent_koc · 2026-11-08
- OpenAI 发布 AI 生成数学手稿:宣称指数时间假设为假 — jiqizhixin · 2026-11-08
- 换硬件密钥后遭 OpenAI Daybreak 验证拒批,账号被锁 403 — Formal_Kick2995 · 2026-11-08
- 用户爆料 Google 封禁 Gemini 订阅接入第三方编码工具，违反 ToS — PixelCactus1 · 2026-11-08
- 印度 9B 多模态模型 Alpie Seed 榜单遭质疑：数据对不上、FP4 测速 FP16 报分 — cneuralnetwork · 2026-11-08