Opus 5.5 拉满推理算力科学基准涨 38 分,成本贵 5 倍
ArtificialAnlys · x · 2026-09-25
Artificial Analysis 测评显示，Terminal-Bench-Science 能很好地区分不同模型及同一模型不同推理档位：Claude Opus 5.5 从 low 档的 24% 升到 xhigh 档的 62%，提升约 38 分，但每任务成本相差 5 倍；max 档反而略低于 xhigh（59%）。GPT-6 Sol 从 low 到 max 提升 27 分，成本约 7.5 倍。
所属事件:Terminal-Bench-Science 榜单上线 GPT-6 Astra 与 Opus 5.5 领跑(4 条相关)→
「模型」频道最新
- 4B 小模型加截图反而更差：一次浏览器 Agent 实验复盘 — Stunning-Sherbet1853 · 2026-11-11
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11
- 博主断言美国开源模型将凭盈利模式主导，但仍难追 Claude — marktenenholtz · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11
- 降价反而更贵:新模型太爱自查，单任务成本涨31% — tengyanAI · 2026-11-11