LiveNerf 开源项目逼近千星,逐日追踪 Opus 5.5 是否被降智
TheOnlyVibemaster · reddit · 2026-10-02
Reddit 用户独立开发的 LiveNerf 项目正逐日评测 Opus 5.5,用统一基准检验模型发布后是否存在性能衰减,而非依赖个例吐槽。
- 项目开源,已接近 1000 星,登上 Hacker News 首页,引发大量方法论审查。
- 目前仍在建立基线阶段,基线完成后即可统计后续表现是否有显著差异;作者强调若无衰减也是有效结论。
- 社区提出了基准污染、服务商可能识别基准流量、基准选择与统计方法等批评,作者欢迎提交 issue。
- 作者立场:AI 公司不提供模型随时间变化的信息,社区应自己造工具独立测量。数据出来后会公布结果。
所属事件:LiveNerf 开源项目逐日追踪 Opus 5.5 是否被降智(2 条相关)→
「模型」频道最新
- Mistral Large 4 编码实测:2 小时仅耗 0.82 欧元额度 — qtnx_ · 2026-11-19
- GPT-6.2-Astra-Max 高强度连跑24小时,周额度仅消耗20% — prd_008 · 2026-11-19
- Kling Image 4.0 登 Artificial Analysis 榜单第七,唯一支持原生 8K 输出 — anthara_ai · 2026-11-19
- Contra Labs 发布设计基准:神秘模型 Gestalt 力压人类金牌作品登顶 — yuwen_lu_ · 2026-11-19
- Gemini 霸榜 Arena 日常聊天榜引质疑:是真好用还是评测偏差? — Balance- · 2026-11-19
- 网友用 Claude Opus 5.5 做出浏览器内只狼风 Boss 战 — prasenx · 2026-11-19