第三方实测 Opus 5.5 与 GPT-6 系列:100 个开放编程环境横评
sandersted · x · 2026-09-24
一组研究者在 100 个开放式编程与工程环境中实测 Opus 5.5、GPT-6-Sol 与 GPT-6-Luna,结论与 AAII 的评测明显分歧。
- GPT-6-Astra 仍以明显优势保持前沿最强。
- Opus 5.5 在各编程类目排名第 27,其中一次性代码生成(one-shot)能力居第二——该指标与流体智力相关性最高。
- 团队未测易用性,但体感其沟通风格有改善;更低的定价受欢迎,被称为 Anthropic 首个定价合理的模型。
- 值得注意的反常:Opus 5.5 在他们的自建评测框架中表现不佳,这一模式自 Fable 5.1 起就存在——one-shot 流体智力得分好于 agentic 结果。
所属事件:GPT-6 Sol 与 Opus 5.5 同日发布引发第三方实测对比(3 条相关)→
「模型」频道最新
- 爆料：Google 新模型阵容曝光，含 Flash 迭代与视频模型 — koltregaskes · 2026-11-11
- 同一段提示词实测：Fable 5.2 花时 3 倍费用 2 倍，换来导演级表达 — iamfakhrealam · 2026-11-11
- Krafton 开源 1.5B 端侧模型 Raon-1 nano,多项基准超同尺寸对手 — DimitrisPapail · 2026-11-11
- 打错字会让 LLM 不舒服？tokenization 引发有趣讨论 — menhguin · 2026-11-11
- MiniMax H3 开源百天:衍生模型 1472 个,下载破 1.48 亿次 — linoy_tsaban · 2026-11-11
- 美团 LongCat-2.5 登上 Hugging Face 趋势榜,MoE 多模态架构 — meituan-longcat · 2026-11-11