NerfBench 首批复测:未发现 Claude Opus 5.5 被暗中削弱
alejandroll10 · x · 2026-09-28
NerfBench 项目公布首批复测结果,将模型当前表现与其发布时成绩对比,以检验厂商是否暗中"削弱"已发布模型。
- Claude Opus 5.5:复测得分 99.2%,较发布时下降 0.8%
- GPT 6 Astra:复测得分 102.8%,较发布时上升 2.8%
- 结论:未检测到 nerf(削弱),Opus 5.5 的小幅下滑与 GPT 6 的小幅提升均在正常波动范围内
项目方表示后续将覆盖更多模型并进行更频繁的复测,数据积累会让 NerfBench 更可靠,并公开征集下一批复测对象。
所属事件:NerfBench 复测 Claude Opus 5.5 未见暗中削弱(2 条相关)→
「模型」频道最新
- Devin 中现 stealth 模型 silicon-2,疑似 Anthropic 新模型 — kimmonismus · 2026-11-16
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- Nathan Lambert 点破 Ethan Mollick 榜单对比漏掉了 Kimi — natolambert · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- 自托管实测:Unsloth Q8 量化版大幅优于默认 Q3,连夜跑完 331 份账单分析 — No_Cartographer3953 · 2026-11-16