博主实测:Opus 5.5思考越强成绩越差,Max档成本暴涨精度反降
davidyin44 · x · 2026-09-26
博主 morganlinton 用自建的 VulcanBench Frontier v4 高难基准耗时四天实测 Opus 5.5,得出反直觉结果:
- Opus 5.5 在 Medium 和 High 思考档的表现反而优于 Extra High 和 Max 档
- Max 档成本显著上升,但精度没有相应提升——更多思考在这个测试上是负收益
- 其自研基准中 Fable 5.1 仅在 Max 档最准,但成本低于其 Extra High 档
作者提醒:该基准是专门设计来难倒前沿模型的高难任务,不代表日常使用场景。评论者 davidyin44 总结:更多思考让 Opus 在此测试上更差且更贵,Medium 比 Max 划算。
所属事件:Opus 5.5 实测口碑：额度耐用、能力跃升，Codex 用户回流(26 条相关)→
「模型」频道最新
- DeepMind 称 Gemini 智能体 4 周完成 Signal 加密协议数学验证 — Polymarket · 2026-11-11
- 爆料：Google 新模型阵容曝光，含 Flash 迭代与视频模型 — koltregaskes · 2026-11-11
- 爆料:OpenAI Astra 6.2 或将临近,已现于 Codex 日志与谷歌云配额 — haider1 · 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