Claude Opus 5.5 实测：16 组对比中 14 组胜过 Opus 5，Elo 领先 24 分
qinzytech · x · 2026-10-28
Embodi Analysis 在 10 月的标注批次中对比了 Claude Opus 5.5 与 Opus 5：16 组对比中有 14 组更偏好 Opus 5.5；在其 Physical Agent Capability Index 上，Opus 5.5 也以 1313 对 1289 Elo 领先。
不过在展示的物理堆叠任务（把黄色方块放到红色方块上）中，两个模型都未能完成：Opus 5.5 的黄块停在夹爪旁边，Opus 5 同样没把黄块放上红块。评测方结论是两次尝试均不完整——夹爪靠近不等于完成放置，必须松手后黄块稳稳落在红块上才算完成。
「模型」频道最新
- OpenAI 明日切换 10x 用量,老 20x 额度计划仅剩最后一天 — nptacek · 2026-10-28
- KOL 吐槽:记忆与电脑操作上 Claude 远不及 OpenAI 模型 — iruletheworldmo · 2026-10-28
- FrontierCode 2 实测:Anthropic 模型烧 token 是对手 2-3 倍,成本高 10-50 倍 — bookwormengr · 2026-10-28
- HF 工程师玩神经元的脑外科手术：改一个神经元 Qwen 变预言家 — LysandreJik · 2026-10-28
- Surge AI在Kaggle Bench Summit谈基准的未来：更像真实工作 — echen · 2026-10-28
- Artificial Analysis 复测 DeepSeek 新版:原评测变差或因 Fireworks 推理波动 — teortaxesTex · 2026-10-28