Claude Haiku 5.5 发布:计算机操作从 15.7% 跃至 72.4% 全面碾压对手
mark_k · x · 2026-10-08
Anthropic 发布最小模型 Claude Haiku 5.5,相对 Haiku 4.5 的提升巨大,在双方均有报告成绩的榜单上全部超过 GPT-6 Luna:
- 计算机操作:OSWorld 2.1 从 15.7% 升至 72.4%(Luna 为 48.9%)
- 推理:HLE 无工具从 10.2% 升至 45.9%,带工具 57.4%
- Agentic 编码:Terminal-Bench 4.0 从 0% 升至 39.2%(Luna 仅 16.4%)
- FrontierCode:46.4%,超 Luna 的 42.4%,接近 Sonnet 5.5 的 52.1%
- 视觉推理:Chartography 从 6.4% 升至 46.4%(Luna 29.1%)
- 知识工作:GDPval-AA 1620、AA-Briefcase 1578,均高于 Luna
Sonnet 5.5 仍全面领先,尤其 Terminal-Bench,但 Haiku 这代跨代跃升显著,计算机操作与推理尤甚。
所属事件:Anthropic 发布 Claude Haiku 5.5,成本降约 75%(59 条相关)→
「模型」频道最新
- 网友整理 Claude「乌托邦愿景」的演变轨迹 — amplifiedamp · 2026-11-22
- LLM 一直在自我纠错:从 Opus 3 到推理模型的实时认错实录 — amplifiedamp · 2026-11-22
- 研究者实测:DinoV3 patch 默认编码位置信息过强,需清理再用 — StephanSturges · 2026-11-22
- Thinking Machines 开源 Inkling-2 Mini:26.4B MoE 原生视觉、1M 上下文 — solyarisoftware · 2026-11-22
- 开源模型已无法被封杀:Pirate Face 把模型权重变成永久种子 — esrtweet · 2026-11-22
- 传 AI 已开始压缩黎曼猜想证明,圈内热议真假未证实 — teortaxesTex · 2026-11-22